Overview

Dataset statistics

Number of variables32
Number of observations134829
Missing cells111147
Missing cells (%)2.6%
Duplicate rows3978
Duplicate rows (%)3.0%
Total size in memory32.9 MiB
Average record size in memory256.0 B

Variable types

Categorical26
Numeric6

Warnings

Dataset has 3978 (3.0%) duplicate rows Duplicates
description has a high cardinality: 112383 distinct values High cardinality
metro_station has a high cardinality: 77 distinct values High cardinality
district is highly correlated with num_of_hospitals and 7 other fieldsHigh correlation
num_of_hospitals is highly correlated with district and 3 other fieldsHigh correlation
num_of_metro_stations is highly correlated with district and 3 other fieldsHigh correlation
num_of_women_cons is highly correlated with district and 3 other fieldsHigh correlation
num_of_dentists is highly correlated with district and 2 other fieldsHigh correlation
num_of_schools is highly correlated with district and 6 other fieldsHigh correlation
num_of_kindg is highly correlated with district and 6 other fieldsHigh correlation
num_of_poly is highly correlated with district and 3 other fieldsHigh correlation
metro_station is highly correlated with district and 4 other fieldsHigh correlation
kitchen_square has 59659 (44.2%) missing values Missing
live_square has 51488 (38.2%) missing values Missing

Reproduction

Analysis started2021-07-24 12:56:09.567889
Analysis finished2021-07-24 12:57:34.933861
Duration1 minute and 25.37 seconds
Software versionpandas-profiling v2.11.0
Download configurationconfig.yaml

Variables

description
Categorical

HIGH CARDINALITY

Distinct112383
Distinct (%)83.4%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
Светлая квартира современной планировки с полной качественной отделкой в III очереди строительства ЖК «Огни залива» на первой линии Дудергофского канала в 200 м от берега Финского залива и Южно-Приморского парка. Минимальная ширина комнат 3,14 м, высота потолка 2,72 м. Отделка квартир включает в себя: обои под покраску, ламинат 32 класса, плинтусы и порожки в тон, межкомнатные двери, радиаторы отопления с регуляцией и разводкой труб в полу, кафельная плитка на стенах и на полу санузлов, полный комплект сантехники, выводы под стиральную машину в ванной и раковину на кухне, двухкамерные стеклопакеты, счетчики воды и тепла. Часть квартир сдается без отделки. Дома на 1 675 квартир оснащены подземным отапливаемым паркингом. Комплекс расположен в обжитом микрорайоне в Красносельском районе Петербурга на берегу Финского залива и Дудергофского канала. Экологически чистый район, чистые почвы и воздух побережья. В составе ЖК «Огни залива» функционирует детский сад на 180 малышей, заселены 5 домов первых очередей строительства, запланировано строительство двух школ на 825 учеников каждая, трех детских садов, поликлиники. Проект известной группы «БФА-Девелопмент», застройщик проекта - ООО «Дудергофский проект». Дома I и II очереди строительства сданы и заселены. III очередь строительства - корпус 9 (участок 242) и корпус 8 (участок 241) – будет введена в III квартале 2023 г.
 
818
«Континенты» – жилой комплекс класса «комфорт+» в Выборгском районе Санкт-Петербурга. Комплекс возводится вдоль Брюлловской улицы, в километре от станции метро «Парнас» и всего в 500 метрах от большого Шуваловского парка. Расположение домов позволит жителям комфортно и быстро добраться практически до любой точки города: в нескольких минутах – въезд на КАД, в 600 метрах – развязка с Выборгским шоссе. В пешеходной доступности функционируют 4 школы, более 10 детских садов, медицинский центр, почтовое отделение, неподалеку – ТК «Парнас Сити» и ТРК «Гранд Каньон». В составе комплекса будет возведен детский сад на 150 малышей, появится большая торговая галерея с уютными заведениями прямо у дома.,В составе ЖК «Континенты» - 6 домов выстой 25 и 27 этажей. Архитектурная концепция комплекса выполнена мастерами известного петербургского бюро «Интерколумниум». 6 домов жилого комплекса отражают 6 континентов. Элементы частей света представлены в отделке парадных и в ландшафтном дизайне. В соответствии с тематикой того или иного континента подобрано оформление каждого холла, озеленение и оборудование дворов, арт-объекты. Во дворах разместятся игровые зоны для детей, спортивные площадки для баскетбола и мини-футбола, тренажеры, место для игры в бадминтон, зеленые места для отдыха. Для юных жителей будет обустроена велодорожка, для любителей домашних животных – зона для игр и дрессировки питомцев.,Территория дома будет закрыта от посторонних, предусмотрено круглосуточное видеонаблюдение и собственная служба охраны 24/7.,«Континенты» – жилой комплекс продуманных решений. В домах есть подземный паркинг и кладовые помещения для хранения сезонных вещей. При строительстве применяются энергоэффективные инженерные и технические решения, которые позволят экономить на оплате коммунальных услуг. Класс энергоэффективности дома «А» (Очень высокий). ,Все квартиры сдаются с качественной отделкой «под ключ» уровня «комфорт+». Ряд лотов – со встроенными кухнями.
 
590
«Любоград» — уютный малоэтажный квартал комфорт-класса, состоящий из домов высотой всего 4 этажа. Жизнь здесь будет размеренной и спокойной, а все соседи будут знать друг друга. В ЖК «Любоград» предусмотрена вся инфраструктура для полноценной и интересной жизни: два детских сада, школа, поликлиника, спортивный комплекс. На первых этажах домов откроются магазины и кафе.,«Любоград» располагается в уникальном месте Петербурга: в Стрельне, в историческом Петродворцовом районе, который славится роскошными дворцами и парками. Здесь уже есть вся социальная и торгово-сервисная инфраструктура, необходимая для комфортной жизни. Хорошую транспортную доступность обеспечивает близость развязки КАД и Санкт-Петербургского шоссе. Добраться до ближайшего метро можно на маршрутке или трамвае.
 
524
Жилой комплекс «Аквилон ZALIVE» – это пять тринадцатиэтажных домов общей площадью 270 тыс.кв.м. В большом внутреннем дворе девелопер построит школу на 400 учеников и два встроенных детских сада на 80 мест каждый. В одном из корпусов откроется некоммерческий детский клуб «Аквилон Kids». Для автовладельцев построят вместительный 9-этажный паркинг на 579 мест и подземный паркинг на 225 мест, оборудуют зарядки для электромобилей. В каждом корпусе предусмотрены колясочные и сити-боксы для хранения вещей. На первых этажах разместятся торговые помещения под кафе, супермаркеты и предприятия обслуживания.
 
329
«Малоохтинский, 68» - новый проект LEGENDA Business в самом центре Петербурга, на правом берегу Невы. Проект отличает оригинальное решение по планировке земельного участка: секции ассиметрично расположены на территории жилого комплекса и окружены оазисами зелени. Проект рассчитан на 918 квартир. На подземном этаже предусмотрен тёплый паркинг, куда можно спуститься на бесшумном скоростном лифте прямо со своего этажа. На территории жилого комплекса предусмотрена система круглосуточного видеонаблюдения и IP-домофония. Особенное внимание в проекте уделено ассортименту планировочных решений от маркетинговой лаборатории LEGENDA. Из панорамных квартир открываются впечатляющие виды на Неву и архитектурные доминанты Санкт-Петербурга: Александро-Невскую лавру, Смольный собор, Невскую Ратушу и эффектное здание «Санкт-Петербург Плаза». Любоваться разводными мостами здесь можно прямо со своей панорамной террасы. Вдохновением для создания архитектурного облика послужили знаковые урбанистические проекты из Европы: похожую атмосферу вы можете ощутить, например, в самом трендовом районе Гамбурга - HafenCity. Квартал вокруг «Малоохтинского, 68» уже полностью сформирован: здесь есть и эффектные здания от именитых архитекторов, и элитные бизнес-центры, парки, wellness-инфраструктура и велодорожки. Рядом нет пятен под застройку, поэтому дом гармонично вписывается в уже благоустроенную и обжитую среду центрального Петербурга. Благодаря современной архитектуре и уникальному расположению на берегу Невы «Малоохтинский, 68» продолжает развитие современного кластера в центре Петербурга и создает новые ассоциативные образы города.
 
224
Other values (112378)
132344 

Length

Max length4987
Median length818
Mean length897.5744981
Min length1

Characters and Unicode

Total characters121019072
Distinct characters704
Distinct categories23 ?
Distinct scripts8 ?
Distinct blocks27 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique105196 ?
Unique (%)78.0%

Sample

1st rowОрганизуем показы объектов в любом формате (онлайн и оффлайн). Расскажем об особенностях объекта, локации, сделаем подробный анализ выбранных вариантов.,1. Классическая планировка,2. Двухстороняя квартира,3. Изолированные комнаты,4. Кухня квадратной формы,5. Есть лоджия, Ежемесячный (аннуитетный) платеж по ипотеке составит 50 236 рублей.,Поможем выгодно приобрести квартиру и одобрить ипотеку с минимальной ставкой. Бесплатная экспертная помощь на каждом этапе покупки.
2nd rowВашему вниманию предлагается отличная светлая квартира в одном из лучших комплексов города ЖК «Четыре горизонта» от компании RBI.,Дом Бизнес класса. Ремонт выполнен по дизайн проекту. Отличный панорамный вид на город, Неву, Смольный Собор и Большеохтинский мост. Высокие потолки, 3 квартиры на этаже, респектабельный соседи.,Входная группа дома оформляется по эксклюзивному дизайн-проекту. Стены украшает панно из керамогранита, гравюры старого Петербурга и зеркала. В холле отведены места для ожидания с мягкой мебелью и ресепшн-зоны (для консьержей). В подъезде по два грузопассажирских лифта Schindler. Два подземных уровня новостройки заняты паркингом, из которого можно подняться на любой этаж.,Закрытый от посторонних внутренний двор оформлен по индивидуальному проекту. В центре двора установлен фонтан и высажены кустарники и растения.,Поблизости работают три школы, дошкольные учреждения, торговые центры "Ладога", "Юбилейный", "Орловский" и др. Рядом сад Нева и набережная Невы, чуть дальше, но также в зоне пешей досягаемости — Полюстровский парк. В районе сложилась удачная транспортная развязка — поблизости проходят Пискаревский пр-т, шоссе Революции, Свердловская набережная и пр-т Энергетиков.,Прямая продажа, один собственник. Все готово. Просмотры в любое время.
3rd rowПродаётся двухкомнатная квартира в жилом комплексе ЦДС «Приневский».,Ввод в эксплуатацию 27 декабря 2021.,Технология строительства кирпич-монолит.,Одним из преимуществ объекта является скрытая разводка коммуникаций в стяжке пола, стальные радиаторы отопления европейских производителей с улучшенной теплопередачей, современные системы очистки воды и противопожарной безопасности, а также другие технологические опции.,ЦДС «Приневский» корпус 1  — это 24‐этажный кирпично‐монолитный дом из 4 секций на 1239 квартир. Для вашего удобства к корпусу пристроен закрытый наземный паркинг на 300 мест, а парковочные зоны для гостей и жителей квартала вынесены за периметр дворового пространства. Срок сдачи объекта: 4 кв. 2021. Условия покупки: Приобрести наши квартиры можно с помощью различных способов оплаты: ипотека, рассрочка 0%, социальные программы и выплаты, материнский капитал, военная ипотека.,ТОП‐отделка LifeStyle в подарок!,В отделку входят: Современный видеодомофон, ламинат уровня EGGER, Tarkett и др., сантехника AM.PM, Grohe, Jacob Delafon и др., стильная керамическая плитка. Сходите в наши шоу-румы!,Оформляйте покупку дистанционно, без посещения офиса! Мы продолжаем работать для вас дистанционно: сайт, телефон, мессенджеры, эл. почта. Именно таким образом уже несколько лет приобретают квартиры наши региональные покупатели, весь процесс отлажен!,Прямая продажа от застройщика Группы ЦДС!,Приобрести квартиру можно с помощью различных способов оплаты: ипотека, рассрочка 0%, социальные программы и выплаты, материнский капитал, военная ипотека — мы поможем оформить все необходимые документы.,Звоните в ЦДС, наши менеджеры ответят на все вопросы по данной квартире.,Номер в базе ЦДС: 66210
4th rowПродается 1-комнатная квартира площадью 36.89 кв. метров ,на 20 этаже ,24 этажного ,кирпично-монолитного дома ,стандарт-класса в ЖК Приневский. ,Оптимальная планировка: Просторная кухня (13.96 кв.м) и одна комната (12.37 кв.м). ,Также в квартире есть лоджия. ,Окна квартиры выходят на северо-запад.,Жилой комплекс находится на юго-восток Санкт-Петербурга и в 28 минутах на транспорте от станции метро «Ломоносовская». ,В проекте 6 жилых корпусов высотой от 23 до 24 этажа. ,Из плюсов ЖК можно отметить: видеонаблюдение и крытый паркинг на 1592 машин. ,Первые этажи корпусов займут кафе, магазины, пекарни и другие предприятия торговли и услуг.,При этом окружающий район уже обладает развитой инфраструктурой: супермаркеты и аптеки. Рядом с ЖК расположены лесопарки и скверы. Закрытый паркинг. Площадки для детских и спортивных игр, между дворами протянутся пешеходные дорожки.,🎁💥📣 В ЭТОМ МЕСЯЦЕ ДЕЙСТВУЮТ ОТЛИЧНЫЕ СКИДКИ И АКЦИИ:🎁💥🤫 ⌛ 💸в ипотеку от 26 557 ₽ в месяц при первом взносе 20% и 🔥МАТКАПИТАЛ📣.,В ЖК Приневский в продаже 496 1-комнатных квартир стоимостью от 4.1 до 6.3 млн. рублей. ,Звоните, подберем подходящий вам вариант. Номер лота - living-616253
5th rowУютная трёхкомнатная квартира на берегу реки Охта в Красногвардейском районе Санкт-Петербурга., • Полюстровский парк, • Парк Академика Сахарова, • Сад Нева, • ТЦ Metro, "Июнь" и "Ржевский", • собственная круглосуточная диспетчерская служба, • подземный и надземный паркинги, • собственный детский сад, • две школы в соседних кварталах, • поликлиника, • магазины, аптеки, • за 10 минут на транспорте можно добраться до станции метро «Ладожская», • в 5,5 км расположена развязка с КАД, ЗВОНИТЕ., • Подбор выгодных ипотечных программ;, • Помощь в выборе наилучшего варианта квартиры на максимально выгодных условиях.
ValueCountFrequency (%)
Светлая квартира современной планировки с полной качественной отделкой в III очереди строительства ЖК «Огни залива» на первой линии Дудергофского канала в 200 м от берега Финского залива и Южно-Приморского парка. Минимальная ширина комнат 3,14 м, высота потолка 2,72 м. Отделка квартир включает в себя: обои под покраску, ламинат 32 класса, плинтусы и порожки в тон, межкомнатные двери, радиаторы отопления с регуляцией и разводкой труб в полу, кафельная плитка на стенах и на полу санузлов, полный комплект сантехники, выводы под стиральную машину в ванной и раковину на кухне, двухкамерные стеклопакеты, счетчики воды и тепла. Часть квартир сдается без отделки. Дома на 1 675 квартир оснащены подземным отапливаемым паркингом. Комплекс расположен в обжитом микрорайоне в Красносельском районе Петербурга на берегу Финского залива и Дудергофского канала. Экологически чистый район, чистые почвы и воздух побережья. В составе ЖК «Огни залива» функционирует детский сад на 180 малышей, заселены 5 домов первых очередей строительства, запланировано строительство двух школ на 825 учеников каждая, трех детских садов, поликлиники. Проект известной группы «БФА-Девелопмент», застройщик проекта - ООО «Дудергофский проект». Дома I и II очереди строительства сданы и заселены. III очередь строительства - корпус 9 (участок 242) и корпус 8 (участок 241) – будет введена в III квартале 2023 г.818
 
0.6%
«Континенты» – жилой комплекс класса «комфорт+» в Выборгском районе Санкт-Петербурга. Комплекс возводится вдоль Брюлловской улицы, в километре от станции метро «Парнас» и всего в 500 метрах от большого Шуваловского парка. Расположение домов позволит жителям комфортно и быстро добраться практически до любой точки города: в нескольких минутах – въезд на КАД, в 600 метрах – развязка с Выборгским шоссе. В пешеходной доступности функционируют 4 школы, более 10 детских садов, медицинский центр, почтовое отделение, неподалеку – ТК «Парнас Сити» и ТРК «Гранд Каньон». В составе комплекса будет возведен детский сад на 150 малышей, появится большая торговая галерея с уютными заведениями прямо у дома.,В составе ЖК «Континенты» - 6 домов выстой 25 и 27 этажей. Архитектурная концепция комплекса выполнена мастерами известного петербургского бюро «Интерколумниум». 6 домов жилого комплекса отражают 6 континентов. Элементы частей света представлены в отделке парадных и в ландшафтном дизайне. В соответствии с тематикой того или иного континента подобрано оформление каждого холла, озеленение и оборудование дворов, арт-объекты. Во дворах разместятся игровые зоны для детей, спортивные площадки для баскетбола и мини-футбола, тренажеры, место для игры в бадминтон, зеленые места для отдыха. Для юных жителей будет обустроена велодорожка, для любителей домашних животных – зона для игр и дрессировки питомцев.,Территория дома будет закрыта от посторонних, предусмотрено круглосуточное видеонаблюдение и собственная служба охраны 24/7.,«Континенты» – жилой комплекс продуманных решений. В домах есть подземный паркинг и кладовые помещения для хранения сезонных вещей. При строительстве применяются энергоэффективные инженерные и технические решения, которые позволят экономить на оплате коммунальных услуг. Класс энергоэффективности дома «А» (Очень высокий). ,Все квартиры сдаются с качественной отделкой «под ключ» уровня «комфорт+». Ряд лотов – со встроенными кухнями.590
 
0.4%
«Любоград» — уютный малоэтажный квартал комфорт-класса, состоящий из домов высотой всего 4 этажа. Жизнь здесь будет размеренной и спокойной, а все соседи будут знать друг друга. В ЖК «Любоград» предусмотрена вся инфраструктура для полноценной и интересной жизни: два детских сада, школа, поликлиника, спортивный комплекс. На первых этажах домов откроются магазины и кафе.,«Любоград» располагается в уникальном месте Петербурга: в Стрельне, в историческом Петродворцовом районе, который славится роскошными дворцами и парками. Здесь уже есть вся социальная и торгово-сервисная инфраструктура, необходимая для комфортной жизни. Хорошую транспортную доступность обеспечивает близость развязки КАД и Санкт-Петербургского шоссе. Добраться до ближайшего метро можно на маршрутке или трамвае.524
 
0.4%
Жилой комплекс «Аквилон ZALIVE» – это пять тринадцатиэтажных домов общей площадью 270 тыс.кв.м. В большом внутреннем дворе девелопер построит школу на 400 учеников и два встроенных детских сада на 80 мест каждый. В одном из корпусов откроется некоммерческий детский клуб «Аквилон Kids». Для автовладельцев построят вместительный 9-этажный паркинг на 579 мест и подземный паркинг на 225 мест, оборудуют зарядки для электромобилей. В каждом корпусе предусмотрены колясочные и сити-боксы для хранения вещей. На первых этажах разместятся торговые помещения под кафе, супермаркеты и предприятия обслуживания.329
 
0.2%
«Малоохтинский, 68» - новый проект LEGENDA Business в самом центре Петербурга, на правом берегу Невы. Проект отличает оригинальное решение по планировке земельного участка: секции ассиметрично расположены на территории жилого комплекса и окружены оазисами зелени. Проект рассчитан на 918 квартир. На подземном этаже предусмотрен тёплый паркинг, куда можно спуститься на бесшумном скоростном лифте прямо со своего этажа. На территории жилого комплекса предусмотрена система круглосуточного видеонаблюдения и IP-домофония. Особенное внимание в проекте уделено ассортименту планировочных решений от маркетинговой лаборатории LEGENDA. Из панорамных квартир открываются впечатляющие виды на Неву и архитектурные доминанты Санкт-Петербурга: Александро-Невскую лавру, Смольный собор, Невскую Ратушу и эффектное здание «Санкт-Петербург Плаза». Любоваться разводными мостами здесь можно прямо со своей панорамной террасы. Вдохновением для создания архитектурного облика послужили знаковые урбанистические проекты из Европы: похожую атмосферу вы можете ощутить, например, в самом трендовом районе Гамбурга - HafenCity. Квартал вокруг «Малоохтинского, 68» уже полностью сформирован: здесь есть и эффектные здания от именитых архитекторов, и элитные бизнес-центры, парки, wellness-инфраструктура и велодорожки. Рядом нет пятен под застройку, поэтому дом гармонично вписывается в уже благоустроенную и обжитую среду центрального Петербурга. Благодаря современной архитектуре и уникальному расположению на берегу Невы «Малоохтинский, 68» продолжает развитие современного кластера в центре Петербурга и создает новые ассоциативные образы города.224
 
0.2%
Раннее субботнее утро. Вы спускаетесь в пекарню на первом этаже своего дома за кофе и свежей выпечкой и начинаете планировать день. Может быть, отправиться на прогулку в Парк Победы, ведь он буквально в двух шагах, потом пообедать в любимом итальянском ресторане поблизости, а вечером посмотреть новую постановку в «Скороходе» у Московских ворот? Или за полчаса доехать до Пушкина, полюбоваться Екатерининским дворцом, а затем вернуться домой, переодеться и дойти до улицы Рубинштейна, чтобы встретиться с друзьями в баре? А что, если вообще полететь на выходные в Москву или Калининград – аэропорт совсем рядом, а выгодных предложений по билетам и гостиницам предостаточно,Представляем iD Park Pobedy – клубный квартал в престижном Московском районе. Это премьерный проект Euroinvest Development в сегменте Select, объединяющем качественную и трендовую недвижимость с уникальной инфраструктурой в локациях, прилегающих к историческому центру Петербурга. Удобное расположение, единое современное и лаконичное архитектурное решение, разнообразие планировок, система приватных благоустроенных дворов без машин с собственными детским садом, школой и образовательным кластером для детей и взрослых, галерея магазинов и сервисов первой необходимости, прогулочные променады со спортивными площадками – почувствуйте себя в центре новой истории! iD Park Pobedy – ваше iDеальное пространство достижений.180
 
0.1%
Апарт-отель «Начало» расположен на берегу Ивановского водоема в 15 минутах ходьбы от ст.м. «Ломоносовская». В апарт-отеле вы можете купить апартаменты и распоряжаться ими, как считаете нужным: заселиться в них, сдавать в аренду самому или с помощью УК «Начало.сервис»., Апартаменты отличают продуманные планировочные решения для максимизации полезной и эффективной площади. Готовая чистовая отделка поможет избежать многолетнего шума и грязи в лифтах и холлах от ремонта соседей. За дополнительную оплату можно заказать полное оснащение апартамента мебелью, техникой, текстилем и посудой "под ключ".,В апарт-отеле предусмотрен полный набор гостиничного сервиса - ресепшн, прачечная, служба горничных, техническая служба в формате "муж на час", еда в номер, заказ такси, помощь и техническая поддержка, а также ресторан, прачечная, велнес-центр, офисы и коворкинг, салоны красоты и прочие.,Для инвесторов УК предлагает распределенный доход в зависимости от категории номеров, который позволяет снизить риски, волатильность доходов и расходов. Инвесторы смогут получать доход, не тратя время и силы на операционную деятельность за счет наличия централизованной УК. ,Апартаменты можно приобрести в рассрочку или в ипотеку. Действует субсидированная ставка Сбербанка – от 3,6% годовых. Продажи осуществляются с использованием эскроу-счетов.,Срок окончания строительства апарт-отеля — 1 квартал 2023 года163
 
0.1%
О ПРОЕКТЕ,ЖК «FoRest Аквилон» воплощает высокие стандарты строительства, соединяя инновационные технологии с принципами «зеленой» урбанистики. Гармоничный союз цивилизации и природы, уникальность локации и высокий профессионализм команды проекта – источник его преимуществ. ,Инфраструктура «FoRest Аквилон» бережно интегрирована с Юнтоловским лесопарком – уникальным оазисом нетронутой природы и великолепным местом для прогулок. Зеленые «клинья» заповедника проникают во внутренние закрытые дворы комплекса вместе с пением птиц и ароматами леса, даря ощущение жизни за городом. Развитая среда современного микрорайона и его отличная транспортная доступность обеспечивают все преимущества городского комфорта. ,Проект разработан студией Ретро и Архитектурной мастерской М. А. Мамошина, академика архитектуры, классика Петербургской архитектурной школы. ,В 5 корпусах переменной высотности (9-13 этажей) предлагается богатый выбор планировок и метражей: от студий до многокомнатных видовых апартаментов.162
 
0.1%
Жилой комплекс Promenade – новый проект в сегменте «Аквилон Business» в центре Санкт-Петербурга, где воплотилось идеальное сочетание характерной для Северной столицы элегантной архитектуры, благородного уюта дворов «старого Парижа», высокотехнологичных конструктивных решений и современных «умных» систем для дома.,Жилой дом строится в статусном Адмиралтейском районе, буквально в минуте ходьбы от метро «Фрунзенская». Рядом – престижный Московский проспект – парадная магистраль Северной столицы и Набережная обводного канала, в получасе ходьбы – парадные Набережные Невы и все знаковые места города-музея Петербурга.,В составе комплекса – семь разнообъемных корпусов высотой от 9 до 16 этажей, выполненных в единой архитектурной стилистике, свойственной зданиям исторической части Московского проспекта. Стройность и симметрия неоклассических фасадов разбивается анфиладой сквозных арок, которая организует оригинальное внутреннее пространство жилого комплекса – просторный прогулочный променад с французскими цветниками и уютными местами для отдыха.138
 
0.1%
Жилой комплекс Golden City как величественный корабль пришвартовался у намывных территорий у берегов Финского залива.,В самой живописной его части, на западном побережье Васильевского острова.,Шесть новых кварталов Golden City будут структурированы целой сетью различных общественных пространств, красивых площадей и улиц.,В комплексе представлен широкий выбор планировочных решений от комфортных студий с двумя окнами до двухуровневых квартир. ,А так же видовые квартиры с террасами и без, трехсторонние планировки с угловым остеклением, и квартиры с окном в ванной комнате.,Первые этажи предназначены под коммерцию. ,В жилом комплексе предусмотрены детские сады и школы, дойти до которых можно будет за пару минут. ,Интересные факты о проекте:,• Финалист федеральной премии ТОП ЖК-2021,• Golden City вошел в ТОП-5 инвестиционно-привлекательных новостроек Санкт-Петербурга ,• Уникальная архитектура европейского класса, уже ставшая знаковой ,• Великолепные виды на Финский залив и парковую зону из панорамных окон ,Прямая продажа от застройщика! ,Приобрести квартиру можно с помощью различных способов оплаты: ипотека, рассрочка 0%, материнский капитал. Звоните!124
 
0.1%
Other values (112373)131577
97.6%
2021-07-24T15:57:36.434902image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
в614652
 
3.9%
и588242
 
3.7%
на358801
 
2.3%
с246124
 
1.6%
161351
 
1.0%
от134476
 
0.9%
для115620
 
0.7%
квартира112170
 
0.7%
по104898
 
0.7%
до93150
 
0.6%
Other values (291703)13250064
84.0%

Most occurring characters

ValueCountFrequency (%)
15797061
 
13.1%
о10101110
 
8.3%
а7948182
 
6.6%
е7113481
 
5.9%
т6256170
 
5.2%
и6232242
 
5.1%
н6024234
 
5.0%
р5656035
 
4.7%
с4777802
 
3.9%
к4280704
 
3.5%
Other values (694)46832051
38.7%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter91761679
75.8%
Space Separator15869923
 
13.1%
Other Punctuation4729825
 
3.9%
Uppercase Letter4572721
 
3.8%
Decimal Number2417777
 
2.0%
Dash Punctuation745170
 
0.6%
Other Symbol158299
 
0.1%
Final Punctuation142306
 
0.1%
Initial Punctuation141906
 
0.1%
Close Punctuation134524
 
0.1%
Other values (13)344942
 
0.3%

Most frequent character per category

ValueCountFrequency (%)
💥21257
13.4%
🎁20941
13.2%
📣20902
13.2%
№15062
9.5%
🔥11856
7.5%
💸10454
6.6%
⌛10429
6.6%
🤫10427
6.6%
✅7059
 
4.5%
✔4974
 
3.1%
Other values (421)24938
15.8%
ValueCountFrequency (%)
о10101110
 
11.0%
а7948182
 
8.7%
е7113481
 
7.8%
т6256170
 
6.8%
и6232242
 
6.8%
н6024234
 
6.6%
р5656035
 
6.2%
с4777802
 
5.2%
к4280704
 
4.7%
в3758044
 
4.1%
Other values (64)29613675
32.3%
ValueCountFrequency (%)
П510828
 
11.2%
К419772
 
9.2%
В367231
 
8.0%
С320158
 
7.0%
О271678
 
5.9%
Д249163
 
5.4%
И199651
 
4.4%
Н196757
 
4.3%
Т191148
 
4.2%
А189221
 
4.1%
Other values (60)1657114
36.2%
ValueCountFrequency (%)
,2367180
50.0%
.1774157
37.5%
:175767
 
3.7%
!153825
 
3.3%
"118377
 
2.5%
%42135
 
0.9%
;32129
 
0.7%
/26136
 
0.6%
•11886
 
0.3%
·11839
 
0.3%
Other values (14)16394
 
0.3%
ValueCountFrequency (%)
+29698
74.6%
=5650
 
14.2%
>2295
 
5.8%
~827
 
2.1%
√673
 
1.7%
|214
 
0.5%
⟱136
 
0.3%
≈104
 
0.3%
◽45
 
0.1%
◼35
 
0.1%
Other values (12)124
 
0.3%
ValueCountFrequency (%)
²12199
99.7%
¼21
 
0.2%
½2
 
< 0.1%
¹1
 
< 0.1%
①1
 
< 0.1%
②1
 
< 0.1%
③1
 
< 0.1%
④1
 
< 0.1%
⑤1
 
< 0.1%
⑥1
 
< 0.1%
Other values (3)3
 
< 0.1%
ValueCountFrequency (%)
1446359
18.5%
2417319
17.3%
0337054
13.9%
5237439
9.8%
3228683
9.5%
4189180
7.8%
6158904
 
6.6%
7146337
 
6.1%
8131532
 
5.4%
9124966
 
5.2%
Other values (2)4
 
< 0.1%
ValueCountFrequency (%)
-545628
73.2%
—140458
 
18.8%
–55652
 
7.5%
‐3285
 
0.4%
‑127
 
< 0.1%
―14
 
< 0.1%
‒6
 
< 0.1%
ValueCountFrequency (%)
20
24.4%
20
24.4%
18
22.0%
11
13.4%
9
11.0%
3
 
3.7%
1
 
1.2%
ValueCountFrequency (%)
­2539
72.4%
​617
 
17.6%
‍179
 
5.1%
⁣158
 
4.5%
‌7
 
0.2%
5
 
0.1%
ValueCountFrequency (%)
`1939
95.5%
🏻53
 
2.6%
🏼18
 
0.9%
^14
 
0.7%
🏾6
 
0.3%
¸1
 
< 0.1%
ValueCountFrequency (%)
15797061
99.5%
 72829
 
0.5%
 26
 
< 0.1%
 4
 
< 0.1%
 3
 
< 0.1%
ValueCountFrequency (%)
̆8257
64.2%
️4571
35.5%
̈20
 
0.2%
́11
 
0.1%
̀2
 
< 0.1%
ValueCountFrequency (%)
(129309
> 99.9%
[45
 
< 0.1%
（2
 
< 0.1%
《1
 
< 0.1%
ValueCountFrequency (%)
)134475
> 99.9%
]46
 
< 0.1%
）2
 
< 0.1%
》1
 
< 0.1%
ValueCountFrequency (%)
«140861
99.3%
“1004
 
0.7%
‘41
 
< 0.1%
ValueCountFrequency (%)
»140724
98.9%
”1018
 
0.7%
’564
 
0.4%
ValueCountFrequency (%)
31979
89.3%
3836
 
10.7%
ValueCountFrequency (%)
₽12034
99.8%
$20
 
0.2%
ValueCountFrequency (%)
_97041
100.0%
ValueCountFrequency (%)

136
100.0%
ValueCountFrequency (%)
⃣19
100.0%
ValueCountFrequency (%)
ஜ8
100.0%

Most occurring scripts

ValueCountFrequency (%)
Cyrillic95592294
79.0%
Common24671102
 
20.4%
Latin742092
 
0.6%
Inherited13066
 
< 0.1%
Braille422
 
< 0.1%
Unknown82
 
< 0.1%
Tamil8
 
< 0.1%
Arabic6
 
< 0.1%

Most frequent character per script

ValueCountFrequency (%)
15797061
64.0%
,2367180
 
9.6%
.1774157
 
7.2%
-545628
 
2.2%
1446359
 
1.8%
2417319
 
1.7%
0337054
 
1.4%
5237439
 
1.0%
3228683
 
0.9%
4189180
 
0.8%
Other values (542)2331042
 
9.4%
ValueCountFrequency (%)
о10101110
 
10.6%
а7948182
 
8.3%
е7113481
 
7.4%
т6256170
 
6.5%
и6232242
 
6.5%
н6024234
 
6.3%
р5656035
 
5.9%
с4777802
 
5.0%
к4280704
 
4.5%
в3758044
 
3.9%
Other values (60)33444290
35.0%
ValueCountFrequency (%)
i57998
 
7.8%
o55729
 
7.5%
e49147
 
6.6%
a39322
 
5.3%
l39281
 
5.3%
t38689
 
5.2%
r35032
 
4.7%
I32797
 
4.4%
n27082
 
3.6%
v20140
 
2.7%
Other values (53)346875
46.7%
ValueCountFrequency (%)
̆8257
63.2%
️4571
35.0%
‍179
 
1.4%
̈20
 
0.2%
⃣19
 
0.1%
́11
 
0.1%
‌7
 
0.1%
̀2
 
< 0.1%
ValueCountFrequency (%)
20
24.4%
20
24.4%
18
22.0%
11
13.4%
9
11.0%
3
 
3.7%
1
 
1.2%
ValueCountFrequency (%)
۩4
66.7%
۞2
33.3%
ValueCountFrequency (%)
⠀422
100.0%
ValueCountFrequency (%)
ஜ8
100.0%

Most occurring blocks

ValueCountFrequency (%)
Cyrillic95592294
79.0%
ASCII24644411
 
20.4%
None491967
 
0.4%
Punctuation216114
 
0.2%
Dingbats18651
 
< 0.1%
Letterlike Symbols15083
 
< 0.1%
Currency Symbols12034
 
< 0.1%
Misc Technical10524
 
< 0.1%
Diacriticals8290
 
< 0.1%
VS4571
 
< 0.1%
Other values (17)5133
 
< 0.1%

Most frequent character per block

ValueCountFrequency (%)
о10101110
 
10.6%
а7948182
 
8.3%
е7113481
 
7.4%
т6256170
 
6.5%
и6232242
 
6.5%
н6024234
 
6.3%
р5656035
 
5.9%
с4777802
 
5.0%
к4280704
 
4.5%
в3758044
 
3.9%
Other values (60)33444290
35.0%
ValueCountFrequency (%)
15797061
64.1%
,2367180
 
9.6%
.1774157
 
7.2%
-545628
 
2.2%
1446359
 
1.8%
2417319
 
1.7%
0337054
 
1.4%
5237439
 
1.0%
3228683
 
0.9%
4189180
 
0.8%
Other values (85)2304351
 
9.4%
ValueCountFrequency (%)
«140861
28.6%
»140724
28.6%
 72829
14.8%
💥21257
 
4.3%
🎁20941
 
4.3%
📣20902
 
4.2%
²12199
 
2.5%
🔥11856
 
2.4%
·11839
 
2.4%
💸10454
 
2.1%
Other values (329)28105
 
5.7%
ValueCountFrequency (%)
—140458
65.0%
–55652
 
25.8%
•11886
 
5.5%
‐3285
 
1.5%
”1018
 
0.5%
“1004
 
0.5%
…749
 
0.3%
​617
 
0.3%
’564
 
0.3%
‍179
 
0.1%
Other values (12)702
 
0.3%
ValueCountFrequency (%)
⌛10429
99.1%
⏩69
 
0.7%
⏭7
 
0.1%
⏬6
 
0.1%
⏰4
 
< 0.1%
⏱4
 
< 0.1%
⏺2
 
< 0.1%
⌚2
 
< 0.1%
⏹1
 
< 0.1%
ValueCountFrequency (%)
₽12034
100.0%
ValueCountFrequency (%)
✅7059
37.8%
✔4974
26.7%
❗1980
 
10.6%
➡1779
 
9.5%
❄1741
 
9.3%
✓416
 
2.2%
✒293
 
1.6%
➕54
 
0.3%
❓50
 
0.3%
❂49
 
0.3%
Other values (20)256
 
1.4%
ValueCountFrequency (%)
№15062
99.9%
℅18
 
0.1%
ℹ2
 
< 0.1%
℡1
 
< 0.1%
ValueCountFrequency (%)
̆8257
99.6%
̈20
 
0.2%
́11
 
0.1%
̀2
 
< 0.1%
ValueCountFrequency (%)
√673
79.2%
≈104
 
12.2%
⋅31
 
3.6%
⋆28
 
3.3%
−10
 
1.2%
⋘2
 
0.2%
⋙2
 
0.2%
ValueCountFrequency (%)
♦1252
49.5%
☎254
 
10.0%
⚜183
 
7.2%
⚡123
 
4.9%
☕106
 
4.2%
♀99
 
3.9%
★99
 
3.9%
☟96
 
3.8%
☑52
 
2.1%
⚠43
 
1.7%
Other values (32)223
 
8.8%
ValueCountFrequency (%)
️4571
100.0%
ValueCountFrequency (%)
🙂34
21.9%
😊19
12.3%
😍15
9.7%
😎15
9.7%
🙏13
 
8.4%
🙌13
 
8.4%
😉9
 
5.8%
😇7
 
4.5%
🙋6
 
3.9%
😁5
 
3.2%
Other values (13)19
12.3%
ValueCountFrequency (%)
●497
51.5%
▫121
 
12.5%
▪107
 
11.1%
►71
 
7.4%
◽45
 
4.7%
◼35
 
3.6%
▼23
 
2.4%
▻20
 
2.1%
◄14
 
1.5%
◾12
 
1.2%
Other values (2)20
 
2.1%
ValueCountFrequency (%)
▀2
100.0%
ValueCountFrequency (%)
Ⓜ34
79.1%
①1
 
2.3%
②1
 
2.3%
③1
 
2.3%
④1
 
2.3%
⑤1
 
2.3%
⑥1
 
2.3%
⑦1
 
2.3%
⑧1
 
2.3%
⑨1
 
2.3%
ValueCountFrequency (%)
20
24.4%
20
24.4%
18
22.0%
11
13.4%
9
11.0%
3
 
3.7%
1
 
1.2%
ValueCountFrequency (%)
⠀422
100.0%
ValueCountFrequency (%)
→1
25.0%
↦1
25.0%
↕1
25.0%
↙1
25.0%
ValueCountFrequency (%)
2
100.0%
ValueCountFrequency (%)
𝐄2
12.5%
𝟐2
12.5%
𝟎2
12.5%
𝐨2
12.5%
𝐍1
6.2%
𝐖1
6.2%
𝐓1
6.2%
𝐈1
6.2%
𝐌1
6.2%
𝐏1
6.2%
Other values (2)2
12.5%
ValueCountFrequency (%)
🅿4
80.0%
🆕1
 
20.0%
ValueCountFrequency (%)
ஜ8
100.0%
ValueCountFrequency (%)
═34
100.0%
ValueCountFrequency (%)
۩4
66.7%
۞2
33.3%
ValueCountFrequency (%)
🟡1
50.0%
🟢1
50.0%
ValueCountFrequency (%)
﹡7
100.0%

flat_type
Categorical

Distinct2
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
Квартира
110208 
Студия
24621 

Length

Max length8
Median length8
Mean length7.634781835
Min length6

Characters and Unicode

Total characters1029390
Distinct characters10
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowКвартира
2nd rowКвартира
3rd rowКвартира
4th rowКвартира
5th rowКвартира
ValueCountFrequency (%)
Квартира110208
81.7%
Студия24621
 
18.3%
2021-07-24T15:57:36.701611image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:36.788288image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
квартира110208
81.7%
студия24621
 
18.3%

Most occurring characters

ValueCountFrequency (%)
а220416
21.4%
р220416
21.4%
т134829
13.1%
и134829
13.1%
К110208
10.7%
в110208
10.7%
С24621
 
2.4%
у24621
 
2.4%
д24621
 
2.4%
я24621
 
2.4%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter894561
86.9%
Uppercase Letter134829
 
13.1%

Most frequent character per category

ValueCountFrequency (%)
а220416
24.6%
р220416
24.6%
т134829
15.1%
и134829
15.1%
в110208
12.3%
у24621
 
2.8%
д24621
 
2.8%
я24621
 
2.8%
ValueCountFrequency (%)
К110208
81.7%
С24621
 
18.3%

Most occurring scripts

ValueCountFrequency (%)
Cyrillic1029390
100.0%

Most frequent character per script

ValueCountFrequency (%)
а220416
21.4%
р220416
21.4%
т134829
13.1%
и134829
13.1%
К110208
10.7%
в110208
10.7%
С24621
 
2.4%
у24621
 
2.4%
д24621
 
2.4%
я24621
 
2.4%

Most occurring blocks

ValueCountFrequency (%)
Cyrillic1029390
100.0%

Most frequent character per block

ValueCountFrequency (%)
а220416
21.4%
р220416
21.4%
т134829
13.1%
и134829
13.1%
К110208
10.7%
в110208
10.7%
С24621
 
2.4%
у24621
 
2.4%
д24621
 
2.4%
я24621
 
2.4%

object_type
Categorical

Distinct2
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
Новостройка
93270 
Вторичная
41559 

Length

Max length11
Median length11
Mean length10.38353025
Min length9

Characters and Unicode

Total characters1400001
Distinct characters14
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowНовостройка
2nd rowВторичная
3rd rowНовостройка
4th rowНовостройка
5th rowНовостройка
ValueCountFrequency (%)
Новостройка93270
69.2%
Вторичная41559
30.8%
2021-07-24T15:57:36.956225image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:37.034286image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
новостройка93270
69.2%
вторичная41559
30.8%

Most occurring characters

ValueCountFrequency (%)
о321369
23.0%
т134829
9.6%
р134829
9.6%
а134829
9.6%
Н93270
 
6.7%
в93270
 
6.7%
с93270
 
6.7%
й93270
 
6.7%
к93270
 
6.7%
В41559
 
3.0%
Other values (4)166236
11.9%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter1265172
90.4%
Uppercase Letter134829
 
9.6%

Most frequent character per category

ValueCountFrequency (%)
о321369
25.4%
т134829
10.7%
р134829
10.7%
а134829
10.7%
в93270
 
7.4%
с93270
 
7.4%
й93270
 
7.4%
к93270
 
7.4%
и41559
 
3.3%
ч41559
 
3.3%
Other values (2)83118
 
6.6%
ValueCountFrequency (%)
Н93270
69.2%
В41559
30.8%

Most occurring scripts

ValueCountFrequency (%)
Cyrillic1400001
100.0%

Most frequent character per script

ValueCountFrequency (%)
о321369
23.0%
т134829
9.6%
р134829
9.6%
а134829
9.6%
Н93270
 
6.7%
в93270
 
6.7%
с93270
 
6.7%
й93270
 
6.7%
к93270
 
6.7%
В41559
 
3.0%
Other values (4)166236
11.9%

Most occurring blocks

ValueCountFrequency (%)
Cyrillic1400001
100.0%

Most frequent character per block

ValueCountFrequency (%)
о321369
23.0%
т134829
9.6%
р134829
9.6%
а134829
9.6%
Н93270
 
6.7%
в93270
 
6.7%
с93270
 
6.7%
й93270
 
6.7%
к93270
 
6.7%
В41559
 
3.0%
Other values (4)166236
11.9%

rooms
Categorical

Distinct5
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
1
72163 
2
38641 
3
21155 
4
 
2572
5
 
298

Length

Max length1
Median length1
Mean length1
Min length1

Characters and Unicode

Total characters134829
Distinct characters5
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row2
2nd row2
3rd row2
4th row1
5th row3
ValueCountFrequency (%)
172163
53.5%
238641
28.7%
321155
 
15.7%
42572
 
1.9%
5298
 
0.2%
2021-07-24T15:57:37.238436image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:37.321311image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
172163
53.5%
238641
28.7%
321155
 
15.7%
42572
 
1.9%
5298
 
0.2%

Most occurring characters

ValueCountFrequency (%)
172163
53.5%
238641
28.7%
321155
 
15.7%
42572
 
1.9%
5298
 
0.2%

Most occurring categories

ValueCountFrequency (%)
Decimal Number134829
100.0%

Most frequent character per category

ValueCountFrequency (%)
172163
53.5%
238641
28.7%
321155
 
15.7%
42572
 
1.9%
5298
 
0.2%

Most occurring scripts

ValueCountFrequency (%)
Common134829
100.0%

Most frequent character per script

ValueCountFrequency (%)
172163
53.5%
238641
28.7%
321155
 
15.7%
42572
 
1.9%
5298
 
0.2%

Most occurring blocks

ValueCountFrequency (%)
ASCII134829
100.0%

Most frequent character per block

ValueCountFrequency (%)
172163
53.5%
238641
28.7%
321155
 
15.7%
42572
 
1.9%
5298
 
0.2%

floors
Real number (ℝ≥0)

Distinct25
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean7.841688361
Minimum1
Maximum25
Zeros0
Zeros (%)0.0%
Memory size1.0 MiB
2021-07-24T15:57:37.406057image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum1
5-th percentile1
Q13
median6
Q311
95-th percentile19
Maximum25
Range24
Interquartile range (IQR)8

Descriptive statistics

Standard deviation5.613922252
Coefficient of variation (CV)0.7159073395
Kurtosis0.1752745204
Mean7.841688361
Median Absolute Deviation (MAD)4
Skewness0.9297163046
Sum1057287
Variance31.51612305
MonotocityNot monotonic
2021-07-24T15:57:37.515202image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=25)
ValueCountFrequency (%)
215415
11.4%
312440
 
9.2%
411500
 
8.5%
510990
 
8.2%
68657
 
6.4%
18513
 
6.3%
78504
 
6.3%
88136
 
6.0%
96858
 
5.1%
106268
 
4.6%
Other values (15)37548
27.8%
ValueCountFrequency (%)
18513
6.3%
215415
11.4%
312440
9.2%
411500
8.5%
510990
8.2%
ValueCountFrequency (%)
25419
 
0.3%
24971
0.7%
231047
0.8%
221240
0.9%
211261
0.9%

square
Real number (ℝ≥0)

Distinct1203
Distinct (%)0.9%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean50.46925513
Minimum10
Maximum130.9
Zeros0
Zeros (%)0.0%
Memory size1.0 MiB
2021-07-24T15:57:37.635656image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum10
5-th percentile22.1
Q133.8
median44
Q363.4
95-th percentile96.8
Maximum130.9
Range120.9
Interquartile range (IQR)29.6

Descriptive statistics

Standard deviation23.16500306
Coefficient of variation (CV)0.4589923708
Kurtosis0.6184270751
Mean50.46925513
Median Absolute Deviation (MAD)14
Skewness0.9903500207
Sum6804719.2
Variance536.6173669
MonotocityNot monotonic
2021-07-24T15:57:37.760630image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
341117
 
0.8%
251100
 
0.8%
371044
 
0.8%
351023
 
0.8%
261003
 
0.7%
36996
 
0.7%
38898
 
0.7%
32809
 
0.6%
40790
 
0.6%
50777
 
0.6%
Other values (1193)125272
92.9%
ValueCountFrequency (%)
1020
< 0.1%
10.11
 
< 0.1%
10.41
 
< 0.1%
10.61
 
< 0.1%
10.71
 
< 0.1%
ValueCountFrequency (%)
130.95
 
< 0.1%
130.83
 
< 0.1%
130.717
< 0.1%
130.612
< 0.1%
130.54
 
< 0.1%

kitchen_square
Real number (ℝ≥0)

MISSING

Distinct465
Distinct (%)0.6%
Missing59659
Missing (%)44.2%
Infinite0
Infinite (%)0.0%
Mean12.95366503
Minimum2
Maximum74.1
Zeros0
Zeros (%)0.0%
Memory size1.0 MiB
2021-07-24T15:57:37.900868image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum2
5-th percentile5
Q18.9
median12
Q316
95-th percentile23.6
Maximum74.1
Range72.1
Interquartile range (IQR)7.1

Descriptive statistics

Standard deviation6.160423802
Coefficient of variation (CV)0.4755738078
Kurtosis5.301549421
Mean12.95366503
Median Absolute Deviation (MAD)3.7
Skewness1.516745712
Sum973727
Variance37.95082142
MonotocityNot monotonic
2021-07-24T15:57:38.025838image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
53614
 
2.7%
102875
 
2.1%
111753
 
1.3%
121694
 
1.3%
151525
 
1.1%
91398
 
1.0%
81314
 
1.0%
61235
 
0.9%
171140
 
0.8%
141132
 
0.8%
Other values (455)57490
42.6%
(Missing)59659
44.2%
ValueCountFrequency (%)
2416
0.3%
2.15
 
< 0.1%
2.21
 
< 0.1%
2.32
 
< 0.1%
2.56
 
< 0.1%
ValueCountFrequency (%)
74.11
< 0.1%
741
< 0.1%
73.62
< 0.1%
73.51
< 0.1%
712
< 0.1%

live_square
Real number (ℝ≥0)

MISSING

Distinct892
Distinct (%)1.1%
Missing51488
Missing (%)38.2%
Infinite0
Infinite (%)0.0%
Mean28.07782244
Minimum5
Maximum123
Zeros0
Zeros (%)0.0%
Memory size1.0 MiB
2021-07-24T15:57:38.159769image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum5
5-th percentile10.6
Q115.8
median24.3
Q337.5
95-th percentile59.4
Maximum123
Range118
Interquartile range (IQR)21.7

Descriptive statistics

Standard deviation15.82146276
Coefficient of variation (CV)0.5634861035
Kurtosis1.338584454
Mean28.07782244
Median Absolute Deviation (MAD)9.6
Skewness1.186081384
Sum2340033.8
Variance250.3186839
MonotocityNot monotonic
2021-07-24T15:57:38.300400image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
182175
 
1.6%
151452
 
1.1%
171426
 
1.1%
161294
 
1.0%
141257
 
0.9%
30925
 
0.7%
20863
 
0.6%
11796
 
0.6%
10788
 
0.6%
19690
 
0.5%
Other values (882)71675
53.2%
(Missing)51488
38.2%
ValueCountFrequency (%)
510
< 0.1%
5.13
 
< 0.1%
5.22
 
< 0.1%
5.41
 
< 0.1%
5.61
 
< 0.1%
ValueCountFrequency (%)
1231
< 0.1%
119.11
< 0.1%
116.71
< 0.1%
116.62
< 0.1%
116.31
< 0.1%

price
Real number (ℝ≥0)

Distinct40993
Distinct (%)30.4%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean8687933.714
Minimum1107000
Maximum95000000
Zeros0
Zeros (%)0.0%
Memory size1.0 MiB
2021-07-24T15:57:38.450305image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum1107000
5-th percentile3380381
Q14971534
median7000000
Q310449821
95-th percentile19778270
Maximum95000000
Range93893000
Interquartile range (IQR)5478287

Descriptive statistics

Standard deviation5926653.892
Coefficient of variation (CV)0.682170708
Kurtosis14.65051862
Mean8687933.714
Median Absolute Deviation (MAD)2352000
Skewness2.890661408
Sum1.171385415 × 1012
Variance3.512522636 × 1013
MonotocityNot monotonic
2021-07-24T15:57:38.576524image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
6500000740
 
0.5%
5500000656
 
0.5%
7500000646
 
0.5%
4500000527
 
0.4%
5200000494
 
0.4%
8500000492
 
0.4%
5300000490
 
0.4%
6000000466
 
0.3%
5700000461
 
0.3%
6200000459
 
0.3%
Other values (40983)129398
96.0%
ValueCountFrequency (%)
11070001
< 0.1%
12000001
< 0.1%
14350001
< 0.1%
14550001
< 0.1%
14588881
< 0.1%
ValueCountFrequency (%)
950000001
< 0.1%
945576001
< 0.1%
916182001
< 0.1%
910029511
< 0.1%
852840001
< 0.1%

build_matireal
Categorical

Distinct3
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
Монолит
68984 
Кирпич
49351 
Панель
16494 

Length

Max length7
Median length7
Mean length6.511640671
Min length6

Characters and Unicode

Total characters877958
Distinct characters14
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowКирпич
2nd rowКирпич
3rd rowКирпич
4th rowКирпич
5th rowМонолит
ValueCountFrequency (%)
Монолит68984
51.2%
Кирпич49351
36.6%
Панель16494
 
12.2%
2021-07-24T15:57:38.795223image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:38.867328image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
монолит68984
51.2%
кирпич49351
36.6%
панель16494
 
12.2%

Most occurring characters

ValueCountFrequency (%)
и167686
19.1%
о137968
15.7%
н85478
9.7%
л85478
9.7%
М68984
7.9%
т68984
7.9%
К49351
 
5.6%
р49351
 
5.6%
п49351
 
5.6%
ч49351
 
5.6%
Other values (4)65976
 
7.5%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter743129
84.6%
Uppercase Letter134829
 
15.4%

Most frequent character per category

ValueCountFrequency (%)
и167686
22.6%
о137968
18.6%
н85478
11.5%
л85478
11.5%
т68984
9.3%
р49351
 
6.6%
п49351
 
6.6%
ч49351
 
6.6%
а16494
 
2.2%
е16494
 
2.2%
ValueCountFrequency (%)
М68984
51.2%
К49351
36.6%
П16494
 
12.2%

Most occurring scripts

ValueCountFrequency (%)
Cyrillic877958
100.0%

Most frequent character per script

ValueCountFrequency (%)
и167686
19.1%
о137968
15.7%
н85478
9.7%
л85478
9.7%
М68984
7.9%
т68984
7.9%
К49351
 
5.6%
р49351
 
5.6%
п49351
 
5.6%
ч49351
 
5.6%
Other values (4)65976
 
7.5%

Most occurring blocks

ValueCountFrequency (%)
Cyrillic877958
100.0%

Most frequent character per block

ValueCountFrequency (%)
и167686
19.1%
о137968
15.7%
н85478
9.7%
л85478
9.7%
М68984
7.9%
т68984
7.9%
К49351
 
5.6%
р49351
 
5.6%
п49351
 
5.6%
ч49351
 
5.6%
Other values (4)65976
 
7.5%

district_rating
Categorical

Distinct10
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
3,7
55690 
3,8
19987 
3,9
15603 
4,0
12909 
3,2
7550 
Other values (5)
23090 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3,8
2nd row3,6
3rd row3,2
4th row3,2
5th row3,8
ValueCountFrequency (%)
3,755690
41.3%
3,819987
 
14.8%
3,915603
 
11.6%
4,012909
 
9.6%
3,27550
 
5.6%
3,67488
 
5.6%
3,57066
 
5.2%
4,13606
 
2.7%
3,42636
 
2.0%
3,32294
 
1.7%
2021-07-24T15:57:39.045915image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:39.116230image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
3,755690
41.3%
3,819987
 
14.8%
3,915603
 
11.6%
4,012909
 
9.6%
3,27550
 
5.6%
3,67488
 
5.6%
3,57066
 
5.2%
4,13606
 
2.7%
3,42636
 
2.0%
3,32294
 
1.7%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
3120608
29.8%
755690
13.8%
819987
 
4.9%
419151
 
4.7%
915603
 
3.9%
012909
 
3.2%
27550
 
1.9%
67488
 
1.9%
57066
 
1.7%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
3120608
44.7%
755690
20.7%
819987
 
7.4%
419151
 
7.1%
915603
 
5.8%
012909
 
4.8%
27550
 
2.8%
67488
 
2.8%
57066
 
2.6%
13606
 
1.3%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
3120608
29.8%
755690
13.8%
819987
 
4.9%
419151
 
4.7%
915603
 
3.9%
012909
 
3.2%
27550
 
1.9%
67488
 
1.9%
57066
 
1.7%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
3120608
29.8%
755690
13.8%
819987
 
4.9%
419151
 
4.7%
915603
 
3.9%
012909
 
3.2%
27550
 
1.9%
67488
 
1.9%
57066
 
1.7%

district
Categorical

HIGH CORRELATION

Distinct18
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
Приморский
22112 
Выборгский
21561 
Невский
17645 
Московский
14131 
Калининский
13491 
Other values (13)
45889 

Length

Max length17
Median length10
Mean length10.87562023
Min length7

Characters and Unicode

Total characters1466349
Distinct characters35
Distinct categories3 ?
Distinct scripts3 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowПриморский
2nd rowКалининский
3rd rowНевский
4th rowНевский
5th rowКрасногвардейский
ValueCountFrequency (%)
Приморский22112
16.4%
Выборгский21561
16.0%
Невский17645
13.1%
Московский14131
10.5%
Калининский13491
10.0%
Красносельский8976
6.7%
Ваcилеостровский6964
 
5.2%
Адмиралтейский5026
 
3.7%
Красногвардейский4757
 
3.5%
Петроградский4188
 
3.1%
Other values (8)15978
11.9%
2021-07-24T15:57:39.366250image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
приморский22112
16.4%
выборгский21561
16.0%
невский17645
13.1%
московский14131
10.5%
калининский13491
10.0%
красносельский8976
6.7%
ваcилеостровский6964
 
5.2%
адмиралтейский5026
 
3.7%
красногвардейский4757
 
3.5%
петроградский4188
 
3.1%
Other values (8)15978
11.9%

Most occurring characters

ValueCountFrequency (%)
и197990
13.5%
с173402
11.8%
к147842
10.1%
й142669
 
9.7%
р118522
 
8.1%
о110453
 
7.5%
н58372
 
4.0%
е57876
 
3.9%
а53368
 
3.6%
в47959
 
3.3%
Other values (25)357896
24.4%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter1327634
90.5%
Uppercase Letter136772
 
9.3%
Dash Punctuation1943
 
0.1%

Most frequent character per category

ValueCountFrequency (%)
и197990
14.9%
с173402
13.1%
к147842
11.1%
й142669
10.7%
р118522
8.9%
о110453
8.3%
н58372
 
4.4%
е57876
 
4.4%
а53368
 
4.0%
в47959
 
3.6%
Other values (15)219181
16.5%
ValueCountFrequency (%)
К32362
23.7%
П31021
22.7%
В28818
21.1%
Н17645
12.9%
М14131
10.3%
А5026
 
3.7%
Ц3266
 
2.4%
Ф2560
 
1.9%
С1943
 
1.4%
ValueCountFrequency (%)
-1943
100.0%

Most occurring scripts

ValueCountFrequency (%)
Cyrillic1457442
99.4%
Latin6964
 
0.5%
Common1943
 
0.1%

Most frequent character per script

ValueCountFrequency (%)
и197990
13.6%
с173402
11.9%
к147842
10.1%
й142669
9.8%
р118522
 
8.1%
о110453
 
7.6%
н58372
 
4.0%
е57876
 
4.0%
а53368
 
3.7%
в47959
 
3.3%
Other values (23)348989
23.9%
ValueCountFrequency (%)
c6964
100.0%
ValueCountFrequency (%)
-1943
100.0%

Most occurring blocks

ValueCountFrequency (%)
Cyrillic1457442
99.4%
ASCII8907
 
0.6%

Most frequent character per block

ValueCountFrequency (%)
и197990
13.6%
с173402
11.9%
к147842
10.1%
й142669
9.8%
р118522
 
8.1%
о110453
 
7.6%
н58372
 
4.0%
е57876
 
4.0%
а53368
 
3.7%
в47959
 
3.3%
Other values (23)348989
23.9%
ValueCountFrequency (%)
c6964
78.2%
-1943
 
21.8%

underground
Categorical

Distinct6
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
0 - 1000
36724 
1000 - 2000
36314 
3000 - 4000
20812 
2000 - 3000
19907 
4000 - 5000
14499 

Length

Max length11
Median length11
Mean length9.939122889
Min length6

Characters and Unicode

Total characters1340082
Distinct characters9
Distinct categories4 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3000 - 4000
2nd row2000 - 3000
3rd row2000 - 3000
4th row2000 - 3000
5th row0 - 1000
ValueCountFrequency (%)
0 - 100036724
27.2%
1000 - 200036314
26.9%
3000 - 400020812
15.4%
2000 - 300019907
14.8%
4000 - 500014499
 
10.8%
> 50006573
 
4.9%
2021-07-24T15:57:39.732338image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:39.794823image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
134829
33.9%
100073038
18.4%
200056221
14.1%
300040719
 
10.2%
036724
 
9.2%
400035311
 
8.9%
500021072
 
5.3%

Most occurring characters

ValueCountFrequency (%)
0715807
53.4%
263085
 
19.6%
-128256
 
9.6%
173038
 
5.5%
256221
 
4.2%
340719
 
3.0%
435311
 
2.6%
521072
 
1.6%
>6573
 
0.5%

Most occurring categories

ValueCountFrequency (%)
Decimal Number942168
70.3%
Space Separator263085
 
19.6%
Dash Punctuation128256
 
9.6%
Math Symbol6573
 
0.5%

Most frequent character per category

ValueCountFrequency (%)
0715807
76.0%
173038
 
7.8%
256221
 
6.0%
340719
 
4.3%
435311
 
3.7%
521072
 
2.2%
ValueCountFrequency (%)
263085
100.0%
ValueCountFrequency (%)
-128256
100.0%
ValueCountFrequency (%)
>6573
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common1340082
100.0%

Most frequent character per script

ValueCountFrequency (%)
0715807
53.4%
263085
 
19.6%
-128256
 
9.6%
173038
 
5.5%
256221
 
4.2%
340719
 
3.0%
435311
 
2.6%
521072
 
1.6%
>6573
 
0.5%

Most occurring blocks

ValueCountFrequency (%)
ASCII1340082
100.0%

Most frequent character per block

ValueCountFrequency (%)
0715807
53.4%
263085
 
19.6%
-128256
 
9.6%
173038
 
5.5%
256221
 
4.2%
340719
 
3.0%
435311
 
2.6%
521072
 
1.6%
>6573
 
0.5%

eco_rating
Categorical

Distinct17
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
3,4
49684 
3,1
14519 
3,7
13295 
3,2
11770 
3,3
9339 
Other values (12)
36222 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3,1
2nd row3,6
3rd row2,8
4th row2,8
5th row3,3
ValueCountFrequency (%)
3,449684
36.8%
3,114519
 
10.8%
3,713295
 
9.9%
3,211770
 
8.7%
3,39339
 
6.9%
2,86946
 
5.2%
3,55955
 
4.4%
3,65499
 
4.1%
3,84124
 
3.1%
2,93849
 
2.9%
Other values (7)9849
 
7.3%
2021-07-24T15:57:40.014358image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
3,449684
36.8%
3,114519
 
10.8%
3,713295
 
9.9%
3,211770
 
8.7%
3,39339
 
6.9%
2,86946
 
5.2%
3,55955
 
4.4%
3,65499
 
4.1%
3,84124
 
3.1%
2,93849
 
2.9%
Other values (7)9849
 
7.3%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
3125930
31.1%
457869
14.3%
227859
 
6.9%
114519
 
3.6%
713295
 
3.3%
811070
 
2.7%
66145
 
1.5%
55955
 
1.5%
94928
 
1.2%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
3125930
46.7%
457869
21.5%
227859
 
10.3%
114519
 
5.4%
713295
 
4.9%
811070
 
4.1%
66145
 
2.3%
55955
 
2.2%
94928
 
1.8%
02088
 
0.8%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
3125930
31.1%
457869
14.3%
227859
 
6.9%
114519
 
3.6%
713295
 
3.3%
811070
 
2.7%
66145
 
1.5%
55955
 
1.5%
94928
 
1.2%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
3125930
31.1%
457869
14.3%
227859
 
6.9%
114519
 
3.6%
713295
 
3.3%
811070
 
2.7%
66145
 
1.5%
55955
 
1.5%
94928
 
1.2%

clear_rating
Categorical

Distinct13
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
3,2
51148 
3,5
21467 
3,4
16596 
3,3
8776 
3,1
7848 
Other values (8)
28994 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3,5
2nd row3,3
3rd row2,6
4th row2,6
5th row3,3
ValueCountFrequency (%)
3,251148
37.9%
3,521467
15.9%
3,416596
 
12.3%
3,38776
 
6.5%
3,17848
 
5.8%
2,87776
 
5.8%
3,66626
 
4.9%
2,64652
 
3.5%
3,04529
 
3.4%
2,93022
 
2.2%
Other values (3)2389
 
1.8%
2021-07-24T15:57:40.203005image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
3,251148
37.9%
3,521467
15.9%
3,416596
 
12.3%
3,38776
 
6.5%
3,17848
 
5.8%
2,87776
 
5.8%
3,66626
 
4.9%
2,64652
 
3.5%
3,04529
 
3.4%
2,93022
 
2.2%
Other values (3)2389
 
1.8%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
3128053
31.7%
267907
16.8%
521467
 
5.3%
416596
 
4.1%
611278
 
2.8%
88856
 
2.2%
17848
 
1.9%
04529
 
1.1%
93022
 
0.7%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
3128053
47.5%
267907
25.2%
521467
 
8.0%
416596
 
6.2%
611278
 
4.2%
88856
 
3.3%
17848
 
2.9%
04529
 
1.7%
93022
 
1.1%
7102
 
< 0.1%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
3128053
31.7%
267907
16.8%
521467
 
5.3%
416596
 
4.1%
611278
 
2.8%
88856
 
2.2%
17848
 
1.9%
04529
 
1.1%
93022
 
0.7%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
3128053
31.7%
267907
16.8%
521467
 
5.3%
416596
 
4.1%
611278
 
2.8%
88856
 
2.2%
17848
 
1.9%
04529
 
1.1%
93022
 
0.7%

gkh_rating
Categorical

Distinct15
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
2,9
53386 
3,3
30714 
3,2
11805 
3,0
8387 
3,1
5770 
Other values (10)
24767 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3,3
2nd row2,8
3rd row2,3
4th row2,3
5th row3,1
ValueCountFrequency (%)
2,953386
39.6%
3,330714
22.8%
3,211805
 
8.8%
3,08387
 
6.2%
3,15770
 
4.3%
2,85430
 
4.0%
2,75302
 
3.9%
2,34754
 
3.5%
2,13150
 
2.3%
2,62898
 
2.1%
Other values (5)3233
 
2.4%
2021-07-24T15:57:40.421706image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
2,953386
39.6%
3,330714
22.8%
3,211805
 
8.8%
3,08387
 
6.2%
3,15770
 
4.3%
2,85430
 
4.0%
2,75302
 
3.9%
2,34754
 
3.5%
2,13150
 
2.3%
2,62898
 
2.1%
Other values (5)3233
 
2.4%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
392479
22.9%
290692
22.4%
953386
 
13.2%
09594
 
2.4%
18920
 
2.2%
85430
 
1.3%
75302
 
1.3%
62898
 
0.7%
5699
 
0.2%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
392479
34.3%
290692
33.6%
953386
19.8%
09594
 
3.6%
18920
 
3.3%
85430
 
2.0%
75302
 
2.0%
62898
 
1.1%
5699
 
0.3%
4258
 
0.1%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
392479
22.9%
290692
22.4%
953386
 
13.2%
09594
 
2.4%
18920
 
2.2%
85430
 
1.3%
75302
 
1.3%
62898
 
0.7%
5699
 
0.2%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
392479
22.9%
290692
22.4%
953386
 
13.2%
09594
 
2.4%
18920
 
2.2%
85430
 
1.3%
75302
 
1.3%
62898
 
0.7%
5699
 
0.2%

neighbor_rating
Categorical

Distinct11
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
3,7
53847 
3,8
20858 
3,9
16938 
3,6
9535 
3,4
8431 
Other values (6)
25220 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3,8
2nd row3,5
3rd row3,2
4th row3,2
5th row4,3
ValueCountFrequency (%)
3,753847
39.9%
3,820858
 
15.5%
3,916938
 
12.6%
3,69535
 
7.1%
3,48431
 
6.3%
3,58403
 
6.2%
4,08063
 
6.0%
3,24652
 
3.5%
4,32472
 
1.8%
3,3829
 
0.6%
2021-07-24T15:57:40.634418image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
3,753847
39.9%
3,820858
 
15.5%
3,916938
 
12.6%
3,69535
 
7.1%
3,48431
 
6.3%
3,58403
 
6.2%
4,08063
 
6.0%
3,24652
 
3.5%
4,32472
 
1.8%
3,3829
 
0.6%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
3126794
31.3%
753847
 
13.3%
820858
 
5.2%
419767
 
4.9%
916938
 
4.2%
69535
 
2.4%
58403
 
2.1%
08063
 
2.0%
24652
 
1.2%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
3126794
47.0%
753847
20.0%
820858
 
7.7%
419767
 
7.3%
916938
 
6.3%
69535
 
3.5%
58403
 
3.1%
08063
 
3.0%
24652
 
1.7%
1801
 
0.3%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
3126794
31.3%
753847
 
13.3%
820858
 
5.2%
419767
 
4.9%
916938
 
4.2%
69535
 
2.4%
58403
 
2.1%
08063
 
2.0%
24652
 
1.2%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
3126794
31.3%
753847
 
13.3%
820858
 
5.2%
419767
 
4.9%
916938
 
4.2%
69535
 
2.4%
58403
 
2.1%
08063
 
2.0%
24652
 
1.2%

kids_rating
Categorical

Distinct15
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
3,8
66911 
3,9
25789 
4,0
9542 
4,1
8180 
3,4
 
5206
Other values (10)
19201 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3,9
2nd row3,8
3rd row3,9
4th row3,9
5th row3,9
ValueCountFrequency (%)
3,866911
49.6%
3,925789
 
19.1%
4,09542
 
7.1%
4,18180
 
6.1%
3,45206
 
3.9%
3,74809
 
3.6%
4,33827
 
2.8%
2,32898
 
2.1%
3,62702
 
2.0%
3,52457
 
1.8%
Other values (5)2508
 
1.9%
2021-07-24T15:57:40.838661image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
3,866911
49.6%
3,925789
 
19.1%
4,09542
 
7.1%
4,18180
 
6.1%
3,45206
 
3.9%
3,74809
 
3.6%
4,33827
 
2.8%
2,32898
 
2.1%
3,62702
 
2.0%
3,52457
 
1.8%
Other values (5)2508
 
1.9%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
3115556
28.6%
866911
16.5%
428881
 
7.1%
925789
 
6.4%
09542
 
2.4%
18613
 
2.1%
74809
 
1.2%
23780
 
0.9%
53075
 
0.8%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
3115556
42.9%
866911
24.8%
428881
 
10.7%
925789
 
9.6%
09542
 
3.5%
18613
 
3.2%
74809
 
1.8%
23780
 
1.4%
53075
 
1.1%
62702
 
1.0%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
3115556
28.6%
866911
16.5%
428881
 
7.1%
925789
 
6.4%
09542
 
2.4%
18613
 
2.1%
74809
 
1.2%
23780
 
0.9%
53075
 
0.8%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
3115556
28.6%
866911
16.5%
428881
 
7.1%
925789
 
6.4%
09542
 
2.4%
18613
 
2.1%
74809
 
1.2%
23780
 
0.9%
53075
 
0.8%

sport_rest_rating
Categorical

Distinct17
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
3,5
57050 
3,7
22566 
3,8
11345 
3,6
6443 
3,2
 
5594
Other values (12)
31831 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3,8
2nd row3,2
3rd row2,4
4th row2,4
5th row2,9
ValueCountFrequency (%)
3,557050
42.3%
3,722566
 
16.7%
3,811345
 
8.4%
3,66443
 
4.8%
3,25594
 
4.1%
3,45113
 
3.8%
2,44652
 
3.5%
3,93786
 
2.8%
2,93679
 
2.7%
3,33217
 
2.4%
Other values (7)11384
 
8.4%
2021-07-24T15:57:41.052157image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
3,557050
42.3%
3,722566
 
16.7%
3,811345
 
8.4%
3,66443
 
4.8%
3,25594
 
4.1%
3,45113
 
3.8%
2,44652
 
3.5%
3,93786
 
2.8%
2,93679
 
2.7%
3,33217
 
2.4%
Other values (7)11384
 
8.4%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
3121962
30.2%
557050
14.1%
723422
 
5.8%
219010
 
4.7%
812676
 
3.1%
412433
 
3.1%
17539
 
1.9%
97465
 
1.8%
66443
 
1.6%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
3121962
45.2%
557050
21.2%
723422
 
8.7%
219010
 
7.0%
812676
 
4.7%
412433
 
4.6%
17539
 
2.8%
97465
 
2.8%
66443
 
2.4%
01658
 
0.6%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
3121962
30.2%
557050
14.1%
723422
 
5.8%
219010
 
4.7%
812676
 
3.1%
412433
 
3.1%
17539
 
1.9%
97465
 
1.8%
66443
 
1.6%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
3121962
30.2%
557050
14.1%
723422
 
5.8%
219010
 
4.7%
812676
 
3.1%
412433
 
3.1%
17539
 
1.9%
97465
 
1.8%
66443
 
1.6%

shop_rating
Categorical

Distinct10
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
4,3
64098 
4,5
25063 
4,2
9944 
4,4
9076 
4,6
6860 
Other values (5)
19788 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters9
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row4,5
2nd row4,4
3rd row3,5
4th row3,5
5th row4,0
ValueCountFrequency (%)
4,364098
47.5%
4,525063
 
18.6%
4,29944
 
7.4%
4,49076
 
6.7%
4,66860
 
5.1%
3,55859
 
4.3%
4,15037
 
3.7%
4,03552
 
2.6%
3,83046
 
2.3%
3,32294
 
1.7%
2021-07-24T15:57:41.254900image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:41.333007image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
4,364098
47.5%
4,525063
 
18.6%
4,29944
 
7.4%
4,49076
 
6.7%
4,66860
 
5.1%
3,55859
 
4.3%
4,15037
 
3.7%
4,03552
 
2.6%
3,83046
 
2.3%
3,32294
 
1.7%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
4132706
32.8%
377591
19.2%
530922
 
7.6%
29944
 
2.5%
66860
 
1.7%
15037
 
1.2%
03552
 
0.9%
83046
 
0.8%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
4132706
49.2%
377591
28.8%
530922
 
11.5%
29944
 
3.7%
66860
 
2.5%
15037
 
1.9%
03552
 
1.3%
83046
 
1.1%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
4132706
32.8%
377591
19.2%
530922
 
7.6%
29944
 
2.5%
66860
 
1.7%
15037
 
1.2%
03552
 
0.9%
83046
 
0.8%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
4132706
32.8%
377591
19.2%
530922
 
7.6%
29944
 
2.5%
66860
 
1.7%
15037
 
1.2%
03552
 
0.9%
83046
 
0.8%

traffic_rating
Categorical

Distinct14
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
3,2
54409 
3,3
20529 
3,1
15716 
3,5
10662 
2,9
9612 
Other values (9)
23901 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row2,9
2nd row2,8
3rd row2,6
4th row2,6
5th row3,3
ValueCountFrequency (%)
3,254409
40.4%
3,320529
 
15.2%
3,115716
 
11.7%
3,510662
 
7.9%
2,99612
 
7.1%
2,67289
 
5.4%
3,74645
 
3.4%
3,03966
 
2.9%
2,42898
 
2.1%
3,41913
 
1.4%
Other values (4)3190
 
2.4%
2021-07-24T15:57:41.565307image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
3,254409
40.4%
3,320529
 
15.2%
3,115716
 
11.7%
3,510662
 
7.9%
2,99612
 
7.1%
2,67289
 
5.4%
3,74645
 
3.4%
3,03966
 
2.9%
2,42898
 
2.1%
3,41913
 
1.4%
Other values (4)3190
 
2.4%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
3133208
32.9%
276559
18.9%
115716
 
3.9%
510662
 
2.6%
99612
 
2.4%
67510
 
1.9%
75868
 
1.5%
44811
 
1.2%
03966
 
1.0%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
3133208
49.4%
276559
28.4%
115716
 
5.8%
510662
 
4.0%
99612
 
3.6%
67510
 
2.8%
75868
 
2.2%
44811
 
1.8%
03966
 
1.5%
81746
 
0.6%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
3133208
32.9%
276559
18.9%
115716
 
3.9%
510662
 
2.6%
99612
 
2.4%
67510
 
1.9%
75868
 
1.5%
44811
 
1.2%
03966
 
1.0%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
3133208
32.9%
276559
18.9%
115716
 
3.9%
510662
 
2.6%
99612
 
2.4%
67510
 
1.9%
75868
 
1.5%
44811
 
1.2%
03966
 
1.0%

secure_rating
Categorical

Distinct15
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
3,4
58261 
3,8
20802 
3,7
11283 
3,0
8099 
3,6
7438 
Other values (10)
28946 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row3,7
2nd row3,3
3rd row2,9
4th row2,9
5th row3,9
ValueCountFrequency (%)
3,458261
43.2%
3,820802
 
15.4%
3,711283
 
8.4%
3,08099
 
6.0%
3,67438
 
5.5%
2,95298
 
3.9%
3,95206
 
3.9%
3,34976
 
3.7%
3,24496
 
3.3%
4,03606
 
2.7%
Other values (5)5364
 
4.0%
2021-07-24T15:57:41.771131image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
3,458261
43.2%
3,820802
 
15.4%
3,711283
 
8.4%
3,08099
 
6.0%
3,67438
 
5.5%
2,95298
 
3.9%
3,95206
 
3.9%
3,34976
 
3.7%
3,24496
 
3.3%
4,03606
 
2.7%
Other values (5)5364
 
4.0%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
3129369
32.0%
462485
15.4%
821454
 
5.3%
011705
 
2.9%
211326
 
2.8%
711283
 
2.8%
910504
 
2.6%
67700
 
1.9%
52847
 
0.7%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
3129369
48.0%
462485
23.2%
821454
 
8.0%
011705
 
4.3%
211326
 
4.2%
711283
 
4.2%
910504
 
3.9%
67700
 
2.9%
52847
 
1.1%
1985
 
0.4%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
3129369
32.0%
462485
15.4%
821454
 
5.3%
011705
 
2.9%
211326
 
2.8%
711283
 
2.8%
910504
 
2.6%
67700
 
1.9%
52847
 
0.7%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
3129369
32.0%
462485
15.4%
821454
 
5.3%
011705
 
2.9%
211326
 
2.8%
711283
 
2.8%
910504
 
2.6%
67700
 
1.9%
52847
 
0.7%

life_price_rating
Categorical

Distinct11
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
2,5
58962 
2,8
22059 
2,4
13892 
2,7
11497 
2,6
9738 
Other values (6)
18681 

Length

Max length3
Median length3
Mean length3
Min length3

Characters and Unicode

Total characters404487
Distinct characters10
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row2,7
2nd row2,5
3rd row1,8
4th row1,8
5th row2,4
ValueCountFrequency (%)
2,558962
43.7%
2,822059
 
16.4%
2,413892
 
10.3%
2,711497
 
8.5%
2,69738
 
7.2%
1,84652
 
3.5%
2,34147
 
3.1%
2,93931
 
2.9%
3,13606
 
2.7%
2,21870
 
1.4%
2021-07-24T15:57:41.974209image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
2,558962
43.7%
2,822059
 
16.4%
2,413892
 
10.3%
2,711497
 
8.5%
2,69738
 
7.2%
1,84652
 
3.5%
2,34147
 
3.1%
2,93931
 
2.9%
3,13606
 
2.7%
2,21870
 
1.4%

Most occurring characters

ValueCountFrequency (%)
,134829
33.3%
2128441
31.8%
558962
14.6%
826711
 
6.6%
413892
 
3.4%
711497
 
2.8%
69738
 
2.4%
18733
 
2.2%
37753
 
1.9%
93931
 
1.0%

Most occurring categories

ValueCountFrequency (%)
Decimal Number269658
66.7%
Other Punctuation134829
33.3%

Most frequent character per category

ValueCountFrequency (%)
2128441
47.6%
558962
21.9%
826711
 
9.9%
413892
 
5.2%
711497
 
4.3%
69738
 
3.6%
18733
 
3.2%
37753
 
2.9%
93931
 
1.5%
ValueCountFrequency (%)
,134829
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common404487
100.0%

Most frequent character per script

ValueCountFrequency (%)
,134829
33.3%
2128441
31.8%
558962
14.6%
826711
 
6.6%
413892
 
3.4%
711497
 
2.8%
69738
 
2.4%
18733
 
2.2%
37753
 
1.9%
93931
 
1.0%

Most occurring blocks

ValueCountFrequency (%)
ASCII404487
100.0%

Most frequent character per block

ValueCountFrequency (%)
,134829
33.3%
2128441
31.8%
558962
14.6%
826711
 
6.6%
413892
 
3.4%
711497
 
2.8%
69738
 
2.4%
18733
 
2.2%
37753
 
1.9%
93931
 
1.0%

total_floors
Real number (ℝ≥0)

Distinct29
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean15.01802283
Minimum2
Maximum44
Zeros0
Zeros (%)0.0%
Memory size1.0 MiB
2021-07-24T15:57:42.086991image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum2
5-th percentile5
Q110
median14
Q320
95-th percentile25
Maximum44
Range42
Interquartile range (IQR)10

Descriptive statistics

Standard deviation6.621279341
Coefficient of variation (CV)0.4408888851
Kurtosis-1.03191569
Mean15.01802283
Median Absolute Deviation (MAD)5
Skewness0.1035311766
Sum2024865
Variance43.84134011
MonotocityNot monotonic
2021-07-24T15:57:42.194469image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=29)
ValueCountFrequency (%)
1210364
 
7.7%
2410144
 
7.5%
259920
 
7.4%
139779
 
7.3%
98829
 
6.5%
58757
 
6.5%
168023
 
6.0%
147207
 
5.3%
156241
 
4.6%
175782
 
4.3%
Other values (19)49783
36.9%
ValueCountFrequency (%)
2335
 
0.2%
31005
 
0.7%
44188
3.1%
58757
6.5%
62345
 
1.7%
ValueCountFrequency (%)
441
 
< 0.1%
29366
 
0.3%
28328
 
0.2%
27902
 
0.7%
262659
2.0%

metro_station
Categorical

HIGH CARDINALITY
HIGH CORRELATION

Distinct77
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
Комендантский проспект
14578 
Парнас
 
8103
Лен. область
 
6573
Звездная
 
6310
Академическая
 
6078
Other values (72)
93187 

Length

Max length23
Median length12
Mean length12.9212929
Min length5

Characters and Unicode

Total characters1742165
Distinct characters55
Distinct categories7 ?
Distinct scripts3 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowКомендантский проспект
2nd rowПлощадь Ленина
3rd rowПролетарская
4th rowПролетарская
5th rowЛадожская
ValueCountFrequency (%)
Комендантский проспект14578
 
10.8%
Парнас8103
 
6.0%
Лен. область6573
 
4.9%
Звездная6310
 
4.7%
Академическая6078
 
4.5%
Приморская5848
 
4.3%
Елизаровская5776
 
4.3%
Лесная5167
 
3.8%
Пролетарская4717
 
3.5%
Гражданский проспект4273
 
3.2%
Other values (67)67406
50.0%
2021-07-24T15:57:42.452926image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
проспект25558
 
13.3%
комендантский14578
 
7.6%
парнас8103
 
4.2%
область6573
 
3.4%
лен6573
 
3.4%
звездная6310
 
3.3%
академическая6078
 
3.2%
приморская5848
 
3.0%
елизаровская5776
 
3.0%
лесная5167
 
2.7%
Other values (84)101206
52.8%

Most occurring characters

ValueCountFrequency (%)
а176042
 
10.1%
о155206
 
8.9%
с140499
 
8.1%
е134700
 
7.7%
к124786
 
7.2%
р110682
 
6.4%
н99612
 
5.7%
я79915
 
4.6%
и69691
 
4.0%
т68430
 
3.9%
Other values (45)582602
33.4%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter1513248
86.9%
Uppercase Letter156936
 
9.0%
Space Separator56941
 
3.3%
Other Punctuation7251
 
0.4%
Open Punctuation3701
 
0.2%
Close Punctuation3701
 
0.2%
Dash Punctuation387
 
< 0.1%

Most frequent character per category

ValueCountFrequency (%)
а176042
11.6%
о155206
10.3%
с140499
 
9.3%
е134700
 
8.9%
к124786
 
8.2%
р110682
 
7.3%
н99612
 
6.6%
я79915
 
5.3%
и69691
 
4.6%
т68430
 
4.5%
Other values (18)353685
23.4%
ValueCountFrequency (%)
П39431
25.1%
К18994
12.1%
Л16971
10.8%
С8947
 
5.7%
В8644
 
5.5%
А7437
 
4.7%
З6524
 
4.2%
Г6170
 
3.9%
Е5776
 
3.7%
М5591
 
3.6%
Other values (12)32451
20.7%
ValueCountFrequency (%)
56941
100.0%
ValueCountFrequency (%)
.7251
100.0%
ValueCountFrequency (%)
(3701
100.0%
ValueCountFrequency (%)
)3701
100.0%
ValueCountFrequency (%)
-387
100.0%

Most occurring scripts

ValueCountFrequency (%)
Cyrillic1669651
95.8%
Common71981
 
4.1%
Latin533
 
< 0.1%

Most frequent character per script

ValueCountFrequency (%)
а176042
 
10.5%
о155206
 
9.3%
с140499
 
8.4%
е134700
 
8.1%
к124786
 
7.5%
р110682
 
6.6%
н99612
 
6.0%
я79915
 
4.8%
и69691
 
4.2%
т68430
 
4.1%
Other values (39)510088
30.6%
ValueCountFrequency (%)
56941
79.1%
.7251
 
10.1%
(3701
 
5.1%
)3701
 
5.1%
-387
 
0.5%
ValueCountFrequency (%)
I533
100.0%

Most occurring blocks

ValueCountFrequency (%)
Cyrillic1669651
95.8%
ASCII72514
 
4.2%

Most frequent character per block

ValueCountFrequency (%)
а176042
 
10.5%
о155206
 
9.3%
с140499
 
8.4%
е134700
 
8.1%
к124786
 
7.5%
р110682
 
6.6%
н99612
 
6.0%
я79915
 
4.8%
и69691
 
4.2%
т68430
 
4.1%
Other values (39)510088
30.6%
ValueCountFrequency (%)
56941
78.5%
.7251
 
10.0%
(3701
 
5.1%
)3701
 
5.1%
I533
 
0.7%
-387
 
0.5%

num_of_metro_stations
Categorical

HIGH CORRELATION

Distinct10
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
6
39880 
5
39142 
7
20205 
0
11183 
3
6964 
Other values (5)
17455 

Length

Max length12
Median length1
Mean length1.182742585
Min length1

Characters and Unicode

Total characters159468
Distinct characters20
Distinct categories5 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row5
2nd row5
3rd row7
4th row7
5th row2
ValueCountFrequency (%)
639880
29.6%
539142
29.0%
720205
15.0%
011183
 
8.3%
36964
 
5.2%
95026
 
3.7%
24757
 
3.5%
113266
 
2.4%
12463
 
1.8%
Лен. область1943
 
1.4%
2021-07-24T15:57:42.679554image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:42.757657image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
639880
29.2%
539142
28.6%
720205
14.8%
011183
 
8.2%
36964
 
5.1%
95026
 
3.7%
24757
 
3.5%
113266
 
2.4%
12463
 
1.8%
область1943
 
1.4%

Most occurring characters

ValueCountFrequency (%)
639880
25.0%
539142
24.5%
720205
12.7%
011183
 
7.0%
18995
 
5.6%
36964
 
4.4%
95026
 
3.2%
24757
 
3.0%
Л1943
 
1.2%
е1943
 
1.2%
Other values (10)19430
12.2%

Most occurring categories

ValueCountFrequency (%)
Decimal Number136152
85.4%
Lowercase Letter17487
 
11.0%
Uppercase Letter1943
 
1.2%
Other Punctuation1943
 
1.2%
Space Separator1943
 
1.2%

Most frequent character per category

ValueCountFrequency (%)
е1943
11.1%
н1943
11.1%
о1943
11.1%
б1943
11.1%
л1943
11.1%
а1943
11.1%
с1943
11.1%
т1943
11.1%
ь1943
11.1%
ValueCountFrequency (%)
639880
29.3%
539142
28.7%
720205
14.8%
011183
 
8.2%
18995
 
6.6%
36964
 
5.1%
95026
 
3.7%
24757
 
3.5%
ValueCountFrequency (%)
Л1943
100.0%
ValueCountFrequency (%)
.1943
100.0%
ValueCountFrequency (%)
1943
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common140038
87.8%
Cyrillic19430
 
12.2%

Most frequent character per script

ValueCountFrequency (%)
639880
28.5%
539142
28.0%
720205
14.4%
011183
 
8.0%
18995
 
6.4%
36964
 
5.0%
95026
 
3.6%
24757
 
3.4%
.1943
 
1.4%
1943
 
1.4%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

Most occurring blocks

ValueCountFrequency (%)
ASCII140038
87.8%
Cyrillic19430
 
12.2%

Most frequent character per block

ValueCountFrequency (%)
639880
28.5%
539142
28.0%
720205
14.4%
011183
 
8.0%
18995
 
6.4%
36964
 
5.0%
95026
 
3.6%
24757
 
3.4%
.1943
 
1.4%
1943
 
1.4%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

num_of_kindg
Categorical

HIGH CORRELATION

Distinct17
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
130
22112 
136
21561 
132
17645 
13
14131 
113
13491 
Other values (12)
45889 

Length

Max length12
Median length3
Mean length2.723175281
Min length2

Characters and Unicode

Total characters367163
Distinct characters22
Distinct categories5 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row130
2nd row113
3rd row132
4th row132
5th row88
ValueCountFrequency (%)
13022112
16.4%
13621561
16.0%
13217645
13.1%
1314131
10.5%
11313491
10.0%
619269
6.9%
646964
 
5.2%
735026
 
3.7%
884757
 
3.5%
654188
 
3.1%
Other values (7)15685
11.6%
2021-07-24T15:57:42.997655image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
13022112
16.2%
13621561
15.8%
13217645
12.9%
1314131
10.3%
11313491
9.9%
619269
6.8%
646964
 
5.1%
735026
 
3.7%
884757
 
3.5%
654188
 
3.1%
Other values (8)17628
12.9%

Most occurring characters

ValueCountFrequency (%)
1114966
31.3%
393966
25.6%
643896
 
12.0%
025378
 
6.9%
220520
 
5.6%
811977
 
3.3%
49427
 
2.6%
59053
 
2.5%
78565
 
2.3%
96099
 
1.7%
Other values (12)23316
 
6.4%

Most occurring categories

ValueCountFrequency (%)
Decimal Number343847
93.6%
Lowercase Letter17487
 
4.8%
Uppercase Letter1943
 
0.5%
Other Punctuation1943
 
0.5%
Space Separator1943
 
0.5%

Most frequent character per category

ValueCountFrequency (%)
1114966
33.4%
393966
27.3%
643896
 
12.8%
025378
 
7.4%
220520
 
6.0%
811977
 
3.5%
49427
 
2.7%
59053
 
2.6%
78565
 
2.5%
96099
 
1.8%
ValueCountFrequency (%)
е1943
11.1%
н1943
11.1%
о1943
11.1%
б1943
11.1%
л1943
11.1%
а1943
11.1%
с1943
11.1%
т1943
11.1%
ь1943
11.1%
ValueCountFrequency (%)
Л1943
100.0%
ValueCountFrequency (%)
.1943
100.0%
ValueCountFrequency (%)
1943
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common347733
94.7%
Cyrillic19430
 
5.3%

Most frequent character per script

ValueCountFrequency (%)
1114966
33.1%
393966
27.0%
643896
 
12.6%
025378
 
7.3%
220520
 
5.9%
811977
 
3.4%
49427
 
2.7%
59053
 
2.6%
78565
 
2.5%
96099
 
1.8%
Other values (2)3886
 
1.1%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

Most occurring blocks

ValueCountFrequency (%)
ASCII347733
94.7%
Cyrillic19430
 
5.3%

Most frequent character per block

ValueCountFrequency (%)
1114966
33.1%
393966
27.0%
643896
 
12.6%
025378
 
7.3%
220520
 
5.9%
811977
 
3.4%
49427
 
2.7%
59053
 
2.6%
78565
 
2.5%
96099
 
1.8%
Other values (2)3886
 
1.1%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

num_of_schools
Categorical

HIGH CORRELATION

Distinct17
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
68
22112 
73
21561 
58
21184 
47
14131 
61
13491 
Other values (12)
42350 

Length

Max length12
Median length2
Mean length2.144108463
Min length2

Characters and Unicode

Total characters289088
Distinct characters21
Distinct categories5 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row68
2nd row61
3rd row58
4th row58
5th row54
ValueCountFrequency (%)
6822112
16.4%
7321561
16.0%
5821184
15.7%
4714131
10.5%
6113491
10.0%
458976
6.7%
426964
 
5.2%
465026
 
3.7%
544757
 
3.5%
314188
 
3.1%
Other values (7)12439
9.2%
2021-07-24T15:57:43.212750image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
6822112
16.2%
7321561
15.8%
5821184
15.5%
4714131
10.3%
6113491
9.9%
458976
6.6%
426964
 
5.1%
465026
 
3.7%
544757
 
3.5%
314188
 
3.1%
Other values (8)14382
10.5%

Most occurring characters

ValueCountFrequency (%)
843611
15.1%
540743
14.1%
640629
14.1%
440440
14.0%
738155
13.2%
327348
9.5%
120554
7.1%
212693
 
4.4%
Л1943
 
0.7%
е1943
 
0.7%
Other values (11)21029
7.3%

Most occurring categories

ValueCountFrequency (%)
Decimal Number265772
91.9%
Lowercase Letter17487
 
6.0%
Uppercase Letter1943
 
0.7%
Other Punctuation1943
 
0.7%
Space Separator1943
 
0.7%

Most frequent character per category

ValueCountFrequency (%)
843611
16.4%
540743
15.3%
640629
15.3%
440440
15.2%
738155
14.4%
327348
10.3%
120554
7.7%
212693
 
4.8%
01599
 
0.6%
ValueCountFrequency (%)
е1943
11.1%
н1943
11.1%
о1943
11.1%
б1943
11.1%
л1943
11.1%
а1943
11.1%
с1943
11.1%
т1943
11.1%
ь1943
11.1%
ValueCountFrequency (%)
Л1943
100.0%
ValueCountFrequency (%)
.1943
100.0%
ValueCountFrequency (%)
1943
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common269658
93.3%
Cyrillic19430
 
6.7%

Most frequent character per script

ValueCountFrequency (%)
843611
16.2%
540743
15.1%
640629
15.1%
440440
15.0%
738155
14.1%
327348
10.1%
120554
7.6%
212693
 
4.7%
.1943
 
0.7%
1943
 
0.7%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

Most occurring blocks

ValueCountFrequency (%)
ASCII269658
93.3%
Cyrillic19430
 
6.7%

Most frequent character per block

ValueCountFrequency (%)
843611
16.2%
540743
15.1%
640629
15.1%
440440
15.0%
738155
14.1%
327348
10.1%
120554
7.6%
212693
 
4.7%
.1943
 
0.7%
1943
 
0.7%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

num_of_poly
Categorical

HIGH CORRELATION

Distinct12
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
24
35603 
27
21561 
23
17645 
15
14131 
16
12358 
Other values (7)
33531 

Length

Max length12
Median length2
Mean length2.059059995
Min length1

Characters and Unicode

Total characters277621
Distinct characters21
Distinct categories5 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row24
2nd row24
3rd row23
4th row23
5th row16
ValueCountFrequency (%)
2435603
26.4%
2721561
16.0%
2317645
13.1%
1514131
 
10.5%
1612358
 
9.2%
1911536
 
8.6%
911152
 
8.3%
125026
 
3.7%
113266
 
2.4%
Лен. область1943
 
1.4%
Other values (2)608
 
0.5%
2021-07-24T15:57:43.415872image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
2435603
26.0%
2721561
15.8%
2317645
12.9%
1514131
 
10.3%
1612358
 
9.0%
1911536
 
8.4%
911152
 
8.2%
125026
 
3.7%
113266
 
2.4%
область1943
 
1.4%
Other values (3)2551
 
1.9%

Most occurring characters

ValueCountFrequency (%)
280128
28.9%
149583
17.9%
435603
12.8%
922688
 
8.2%
721561
 
7.8%
317645
 
6.4%
514424
 
5.2%
612358
 
4.5%
Л1943
 
0.7%
е1943
 
0.7%
Other values (11)19745
 
7.1%

Most occurring categories

ValueCountFrequency (%)
Decimal Number254305
91.6%
Lowercase Letter17487
 
6.3%
Uppercase Letter1943
 
0.7%
Other Punctuation1943
 
0.7%
Space Separator1943
 
0.7%

Most frequent character per category

ValueCountFrequency (%)
280128
31.5%
149583
19.5%
435603
14.0%
922688
 
8.9%
721561
 
8.5%
317645
 
6.9%
514424
 
5.7%
612358
 
4.9%
8315
 
0.1%
ValueCountFrequency (%)
е1943
11.1%
н1943
11.1%
о1943
11.1%
б1943
11.1%
л1943
11.1%
а1943
11.1%
с1943
11.1%
т1943
11.1%
ь1943
11.1%
ValueCountFrequency (%)
Л1943
100.0%
ValueCountFrequency (%)
.1943
100.0%
ValueCountFrequency (%)
1943
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common258191
93.0%
Cyrillic19430
 
7.0%

Most frequent character per script

ValueCountFrequency (%)
280128
31.0%
149583
19.2%
435603
13.8%
922688
 
8.8%
721561
 
8.4%
317645
 
6.8%
514424
 
5.6%
612358
 
4.8%
.1943
 
0.8%
1943
 
0.8%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

Most occurring blocks

ValueCountFrequency (%)
ASCII258191
93.0%
Cyrillic19430
 
7.0%

Most frequent character per block

ValueCountFrequency (%)
280128
31.0%
149583
19.2%
435603
13.8%
922688
 
8.8%
721561
 
8.4%
317645
 
6.8%
514424
 
5.6%
612358
 
4.8%
.1943
 
0.8%
1943
 
0.8%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

num_of_hospitals
Categorical

HIGH CORRELATION

Distinct7
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
1
45856 
2
36114 
7
24827 
3
13491 
6
12305 
Other values (2)
 
2236

Length

Max length12
Median length1
Mean length1.15851931
Min length1

Characters and Unicode

Total characters156202
Distinct characters18
Distinct categories5 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row1
2nd row3
3rd row1
4th row1
5th row2
ValueCountFrequency (%)
145856
34.0%
236114
26.8%
724827
18.4%
313491
 
10.0%
612305
 
9.1%
Лен. область1943
 
1.4%
5293
 
0.2%
2021-07-24T15:57:43.620193image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:43.707821image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
145856
33.5%
236114
26.4%
724827
18.2%
313491
 
9.9%
612305
 
9.0%
область1943
 
1.4%
лен1943
 
1.4%
5293
 
0.2%

Most occurring characters

ValueCountFrequency (%)
145856
29.4%
236114
23.1%
724827
15.9%
313491
 
8.6%
612305
 
7.9%
Л1943
 
1.2%
е1943
 
1.2%
н1943
 
1.2%
.1943
 
1.2%
1943
 
1.2%
Other values (8)13894
 
8.9%

Most occurring categories

ValueCountFrequency (%)
Decimal Number132886
85.1%
Lowercase Letter17487
 
11.2%
Uppercase Letter1943
 
1.2%
Other Punctuation1943
 
1.2%
Space Separator1943
 
1.2%

Most frequent character per category

ValueCountFrequency (%)
е1943
11.1%
н1943
11.1%
о1943
11.1%
б1943
11.1%
л1943
11.1%
а1943
11.1%
с1943
11.1%
т1943
11.1%
ь1943
11.1%
ValueCountFrequency (%)
145856
34.5%
236114
27.2%
724827
18.7%
313491
 
10.2%
612305
 
9.3%
5293
 
0.2%
ValueCountFrequency (%)
Л1943
100.0%
ValueCountFrequency (%)
.1943
100.0%
ValueCountFrequency (%)
1943
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common136772
87.6%
Cyrillic19430
 
12.4%

Most frequent character per script

ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%
ValueCountFrequency (%)
145856
33.5%
236114
26.4%
724827
18.2%
313491
 
9.9%
612305
 
9.0%
.1943
 
1.4%
1943
 
1.4%
5293
 
0.2%

Most occurring blocks

ValueCountFrequency (%)
ASCII136772
87.6%
Cyrillic19430
 
12.4%

Most frequent character per block

ValueCountFrequency (%)
145856
33.5%
236114
26.4%
724827
18.2%
313491
 
9.9%
612305
 
9.0%
.1943
 
1.4%
1943
 
1.4%
5293
 
0.2%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

num_of_dentists
Categorical

HIGH CORRELATION

Distinct7
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
4
44955 
3
33599 
2
31028 
5
19157 
6
 
3539
Other values (2)
 
2551

Length

Max length12
Median length1
Mean length1.15851931
Min length1

Characters and Unicode

Total characters156202
Distinct characters18
Distinct categories5 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row2
2nd row3
3rd row3
4th row3
5th row2
ValueCountFrequency (%)
444955
33.3%
333599
24.9%
231028
23.0%
519157
14.2%
63539
 
2.6%
Лен. область1943
 
1.4%
1608
 
0.5%
2021-07-24T15:57:44.114842image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:44.177330image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
444955
32.9%
333599
24.6%
231028
22.7%
519157
14.0%
63539
 
2.6%
область1943
 
1.4%
лен1943
 
1.4%
1608
 
0.4%

Most occurring characters

ValueCountFrequency (%)
444955
28.8%
333599
21.5%
231028
19.9%
519157
12.3%
63539
 
2.3%
Л1943
 
1.2%
е1943
 
1.2%
н1943
 
1.2%
.1943
 
1.2%
1943
 
1.2%
Other values (8)14209
 
9.1%

Most occurring categories

ValueCountFrequency (%)
Decimal Number132886
85.1%
Lowercase Letter17487
 
11.2%
Uppercase Letter1943
 
1.2%
Other Punctuation1943
 
1.2%
Space Separator1943
 
1.2%

Most frequent character per category

ValueCountFrequency (%)
е1943
11.1%
н1943
11.1%
о1943
11.1%
б1943
11.1%
л1943
11.1%
а1943
11.1%
с1943
11.1%
т1943
11.1%
ь1943
11.1%
ValueCountFrequency (%)
444955
33.8%
333599
25.3%
231028
23.3%
519157
14.4%
63539
 
2.7%
1608
 
0.5%
ValueCountFrequency (%)
Л1943
100.0%
ValueCountFrequency (%)
.1943
100.0%
ValueCountFrequency (%)
1943
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common136772
87.6%
Cyrillic19430
 
12.4%

Most frequent character per script

ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%
ValueCountFrequency (%)
444955
32.9%
333599
24.6%
231028
22.7%
519157
14.0%
63539
 
2.6%
.1943
 
1.4%
1943
 
1.4%
1608
 
0.4%

Most occurring blocks

ValueCountFrequency (%)
ASCII136772
87.6%
Cyrillic19430
 
12.4%

Most frequent character per block

ValueCountFrequency (%)
444955
32.9%
333599
24.6%
231028
22.7%
519157
14.0%
63539
 
2.6%
.1943
 
1.4%
1943
 
1.4%
1608
 
0.4%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

num_of_women_cons
Categorical

HIGH CORRELATION

Distinct9
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size1.0 MiB
4
32250 
3
25124 
8
22112 
5
21561 
6
17645 
Other values (4)
16137 

Length

Max length12
Median length1
Mean length1.15851931
Min length1

Characters and Unicode

Total characters156202
Distinct characters20
Distinct categories5 ?
Distinct scripts2 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row8
2nd row4
3rd row6
4th row6
5th row4
ValueCountFrequency (%)
432250
23.9%
325124
18.6%
822112
16.4%
521561
16.0%
617645
13.1%
16964
 
5.2%
26937
 
5.1%
Лен. область1943
 
1.4%
0293
 
0.2%
2021-07-24T15:57:44.402509image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
2021-07-24T15:57:44.480615image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
432250
23.6%
325124
18.4%
822112
16.2%
521561
15.8%
617645
12.9%
16964
 
5.1%
26937
 
5.1%
область1943
 
1.4%
лен1943
 
1.4%
0293
 
0.2%

Most occurring characters

ValueCountFrequency (%)
432250
20.6%
325124
16.1%
822112
14.2%
521561
13.8%
617645
11.3%
16964
 
4.5%
26937
 
4.4%
Л1943
 
1.2%
е1943
 
1.2%
н1943
 
1.2%
Other values (10)17780
11.4%

Most occurring categories

ValueCountFrequency (%)
Decimal Number132886
85.1%
Lowercase Letter17487
 
11.2%
Uppercase Letter1943
 
1.2%
Other Punctuation1943
 
1.2%
Space Separator1943
 
1.2%

Most frequent character per category

ValueCountFrequency (%)
е1943
11.1%
н1943
11.1%
о1943
11.1%
б1943
11.1%
л1943
11.1%
а1943
11.1%
с1943
11.1%
т1943
11.1%
ь1943
11.1%
ValueCountFrequency (%)
432250
24.3%
325124
18.9%
822112
16.6%
521561
16.2%
617645
13.3%
16964
 
5.2%
26937
 
5.2%
0293
 
0.2%
ValueCountFrequency (%)
Л1943
100.0%
ValueCountFrequency (%)
.1943
100.0%
ValueCountFrequency (%)
1943
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common136772
87.6%
Cyrillic19430
 
12.4%

Most frequent character per script

ValueCountFrequency (%)
432250
23.6%
325124
18.4%
822112
16.2%
521561
15.8%
617645
12.9%
16964
 
5.1%
26937
 
5.1%
.1943
 
1.4%
1943
 
1.4%
0293
 
0.2%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

Most occurring blocks

ValueCountFrequency (%)
ASCII136772
87.6%
Cyrillic19430
 
12.4%

Most frequent character per block

ValueCountFrequency (%)
432250
23.6%
325124
18.4%
822112
16.2%
521561
15.8%
617645
12.9%
16964
 
5.1%
26937
 
5.1%
.1943
 
1.4%
1943
 
1.4%
0293
 
0.2%
ValueCountFrequency (%)
Л1943
10.0%
е1943
10.0%
н1943
10.0%
о1943
10.0%
б1943
10.0%
л1943
10.0%
а1943
10.0%
с1943
10.0%
т1943
10.0%
ь1943
10.0%

Interactions

2021-07-24T15:57:24.204498image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:24.422501image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:24.640919image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:24.875294image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:25.160522image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:25.440213image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:25.612034image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:25.752538image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:25.916525image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:26.105086image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:26.302811image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:26.474590image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:26.615238image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:26.756675image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:26.913951image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:27.132696image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:27.303852image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:27.446894image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:27.587495image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:27.743705image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:27.987925image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:28.176404image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:28.315902image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:28.449814image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:28.638391image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:28.904089image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:29.202478image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:29.435914image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:29.661779image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2021-07-24T15:57:29.921050image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Correlations

2021-07-24T15:57:44.585386image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Pearson's r

The Pearson's correlation coefficient (r) is a measure of linear correlation between two variables. It's value lies between -1 and +1, -1 indicating total negative linear correlation, 0 indicating no linear correlation and 1 indicating total positive linear correlation. Furthermore, r is invariant under separate changes in location and scale of the two variables, implying that for a linear function the angle to the x-axis does not affect r.

To calculate r for two variables X and Y, one divides the covariance of X and Y by the product of their standard deviations.
2021-07-24T15:57:44.694736image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Spearman's ρ

The Spearman's rank correlation coefficient (ρ) is a measure of monotonic correlation between two variables, and is therefore better in catching nonlinear monotonic correlations than Pearson's r. It's value lies between -1 and +1, -1 indicating total negative monotonic correlation, 0 indicating no monotonic correlation and 1 indicating total positive monotonic correlation.

To calculate ρ for two variables X and Y, one divides the covariance of the rank variables of X and Y by the product of their standard deviations.
2021-07-24T15:57:44.826261image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Kendall's τ

Similarly to Spearman's rank correlation coefficient, the Kendall rank correlation coefficient (τ) measures ordinal association between two variables. It's value lies between -1 and +1, -1 indicating total negative correlation, 0 indicating no correlation and 1 indicating total positive correlation.

To calculate τ for two variables X and Y, one determines the number of concordant and discordant pairs of observations. τ is given by the number of concordant pairs minus the discordant pairs divided by the total number of pairs.
2021-07-24T15:57:45.005745image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Phik (φk)

Phik (φk) is a new and practical correlation coefficient that works consistently between categorical, ordinal and interval variables, captures non-linear dependency and reverts to the Pearson correlation coefficient in case of a bivariate normal input distribution. There is extensive documentation available here.
2021-07-24T15:57:45.342623image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Cramér's V (φc)

Cramér's V is an association measure for nominal random variables. The coefficient ranges from 0 to 1, with 0 indicating independence and 1 indicating perfect association. The empirical estimators used for Cramér's V have been proved to be biased, even for large samples. We use a bias-corrected measure that has been proposed by Bergsma in 2013 that can be found here.

Missing values

2021-07-24T15:57:31.244366image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
A simple visualization of nullity by column.
2021-07-24T15:57:32.633086image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Nullity matrix is a data-dense display which lets you quickly visually pick out patterns in data completion.
2021-07-24T15:57:33.494170image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
The correlation heatmap measures nullity correlation: how strongly the presence or absence of one variable affects the presence of another.
2021-07-24T15:57:33.856182image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
The dendrogram allows you to more fully correlate variable completion, revealing trends deeper than the pairwise ones visible in the correlation heatmap.

Sample

First rows

descriptionflat_typeobject_typeroomsfloorssquarekitchen_squarelive_squarepricebuild_matirealdistrict_ratingdistrictundergroundeco_ratingclear_ratinggkh_ratingneighbor_ratingkids_ratingsport_rest_ratingshop_ratingtraffic_ratingsecure_ratinglife_price_ratingtotal_floorsmetro_stationnum_of_metro_stationsnum_of_kindgnum_of_schoolsnum_of_polynum_of_hospitalsnum_of_dentistsnum_of_women_cons
0Организуем показы объектов в любом формате (онлайн и оффлайн). Расскажем об особенностях объекта, локации, сделаем подробный анализ выбранных вариантов.,1. Классическая планировка,2. Двухстороняя квартира,3. Изолированные комнаты,4. Кухня квадратной формы,5. Есть лоджия,\tЕжемесячный (аннуитетный) платеж по ипотеке составит 50 236 рублей.,Поможем выгодно приобрести квартиру и одобрить ипотеку с минимальной ставкой. Бесплатная экспертная помощь на каждом этапе покупки.КвартираНовостройка2259.2NaNNaN7927000.0Кирпич3,8Приморский3000 - 40003,13,53,33,83,93,84,52,93,72,713Комендантский проспект51306824128
1Вашему вниманию предлагается отличная светлая квартира в одном из лучших комплексов города ЖК «Четыре горизонта» от компании RBI.,Дом Бизнес класса. Ремонт выполнен по дизайн проекту. Отличный панорамный вид на город, Неву, Смольный Собор и Большеохтинский мост. Высокие потолки, 3 квартиры на этаже, респектабельный соседи.,Входная группа дома оформляется по эксклюзивному дизайн-проекту. Стены украшает панно из керамогранита, гравюры старого Петербурга и зеркала. В холле отведены места для ожидания с мягкой мебелью и ресепшн-зоны (для консьержей). В подъезде по два грузопассажирских лифта Schindler. Два подземных уровня новостройки заняты паркингом, из которого можно подняться на любой этаж.,Закрытый от посторонних внутренний двор оформлен по индивидуальному проекту. В центре двора установлен фонтан и высажены кустарники и растения.,Поблизости работают три школы, дошкольные учреждения, торговые центры "Ладога", "Юбилейный", "Орловский" и др. Рядом сад Нева и набережная Невы, чуть дальше, но также в зоне пешей досягаемости — Полюстровский парк. В районе сложилась удачная транспортная развязка — поблизости проходят Пискаревский пр-т, шоссе Революции, Свердловская набережная и пр-т Энергетиков.,Прямая продажа, один собственник. Все готово. Просмотры в любое время.КвартираВторичная2747.910.030.021500000.0Кирпич3,6Калининский2000 - 30003,63,32,83,53,83,24,42,83,32,510Площадь Ленина51136124334
2Продаётся двухкомнатная квартира в жилом комплексе ЦДС «Приневский».,Ввод в эксплуатацию 27 декабря 2021.,Технология строительства кирпич-монолит.,Одним из преимуществ объекта является скрытая разводка коммуникаций в стяжке пола, стальные радиаторы отопления европейских производителей с улучшенной теплопередачей, современные системы очистки воды и противопожарной безопасности, а также другие технологические опции.,ЦДС «Приневский» корпус 1  — это 24‐этажный кирпично‐монолитный дом из 4 секций на 1239 квартир. Для вашего удобства к корпусу пристроен закрытый наземный паркинг на 300 мест, а парковочные зоны для гостей и жителей квартала вынесены за периметр дворового пространства. Срок сдачи объекта: 4 кв. 2021. Условия покупки: Приобрести наши квартиры можно с помощью различных способов оплаты: ипотека, рассрочка 0%, социальные программы и выплаты, материнский капитал, военная ипотека.,ТОП‐отделка LifeStyle в подарок!,В отделку входят: Современный видеодомофон, ламинат уровня EGGER, Tarkett и др., сантехника AM.PM, Grohe, Jacob Delafon и др., стильная керамическая плитка. Сходите в наши шоу-румы!,Оформляйте покупку дистанционно, без посещения офиса! Мы продолжаем работать для вас дистанционно: сайт, телефон, мессенджеры, эл. почта. Именно таким образом уже несколько лет приобретают квартиры наши региональные покупатели, весь процесс отлажен!,Прямая продажа от застройщика Группы ЦДС!,Приобрести квартиру можно с помощью различных способов оплаты: ипотека, рассрочка 0%, социальные программы и выплаты, материнский капитал, военная ипотека — мы поможем оформить все необходимые документы.,Звоните в ЦДС, наши менеджеры ответят на все вопросы по данной квартире.,Номер в базе ЦДС: 66210КвартираНовостройка21752.8NaN52.86905339.0Кирпич3,2Невский2000 - 30002,82,62,33,23,92,43,52,62,91,824Пролетарская71325823136
3Продается 1-комнатная квартира площадью 36.89 кв. метров ,на 20 этаже ,24 этажного ,кирпично-монолитного дома ,стандарт-класса в ЖК Приневский. ,Оптимальная планировка: Просторная кухня (13.96 кв.м) и одна комната (12.37 кв.м). ,Также в квартире есть лоджия. ,Окна квартиры выходят на северо-запад.,Жилой комплекс находится на юго-восток Санкт-Петербурга и в 28 минутах на транспорте от станции метро «Ломоносовская». ,В проекте 6 жилых корпусов высотой от 23 до 24 этажа. ,Из плюсов ЖК можно отметить: видеонаблюдение и крытый паркинг на 1592 машин. ,Первые этажи корпусов займут кафе, магазины, пекарни и другие предприятия торговли и услуг.,При этом окружающий район уже обладает развитой инфраструктурой: супермаркеты и аптеки. Рядом с ЖК расположены лесопарки и скверы. Закрытый паркинг. Площадки для детских и спортивных игр, между дворами протянутся пешеходные дорожки.,🎁💥📣 В ЭТОМ МЕСЯЦЕ ДЕЙСТВУЮТ ОТЛИЧНЫЕ СКИДКИ И АКЦИИ:🎁💥🤫 ⌛ 💸в ипотеку от 26 557 ₽ в месяц при первом взносе 20% и 🔥МАТКАПИТАЛ📣.,В ЖК Приневский в продаже 496 1-комнатных квартир стоимостью от 4.1 до 6.3 млн. рублей. ,Звоните, подберем подходящий вам вариант. Номер лота - living-616253КвартираНовостройка12036.9NaNNaN4916392.0Кирпич3,2Невский2000 - 30002,82,62,33,23,92,43,52,62,91,824Пролетарская71325823136
4Уютная трёхкомнатная квартира на берегу реки Охта в Красногвардейском районе Санкт-Петербурга., • Полюстровский парк, • Парк Академика Сахарова, • Сад Нева, • ТЦ Metro, "Июнь" и "Ржевский", • собственная круглосуточная диспетчерская служба, • подземный и надземный паркинги, • собственный детский сад, • две школы в соседних кварталах, • поликлиника, • магазины, аптеки, • за 10 минут на транспорте можно добраться до станции метро «Ладожская», • в 5,5 км расположена развязка с КАД, ЗВОНИТЕ., • Подбор выгодных ипотечных программ;, • Помощь в выборе наилучшего варианта квартиры на максимально выгодных условиях.КвартираНовостройка3376.012.041.08750000.0Монолит3,8Красногвардейский0 - 10003,33,33,14,33,92,94,03,33,92,420Ладожская2885416224
5Продается 2-х комнатная квартира в Колпино в ОТЛИЧНОМ состоянии. Комнаты изолированные 18 м2 и 12 м2, квадратная кухня 8,5 м2, балкон. ,Высота потолков 2,50 м., с/у раздельный.,Квартира с ремонтом, установлены стеклопакеты и современные радиаторы. Квартира очень теплая. Есть счетчики холодной и горячей воды, двухтарифный счетчик на электричество. В туалете скрытые люки для доступа к коммуникациям, установлены фильтры на холодную и горячую воду. ,В коридоре установлены большие шкафы-купе, они остаются новому владельцу.,По договоренности есть возможность оставить мебель в спальне – шкаф и подъемную кровать, в детской комнате рабочий стол и стеллажи, которые сделаны на заказ для 2-х детей.,Все в отличном состоянии, мебель в детской практически новая. ,Общий коридор на три квартиры, в котором можно оставлять велосипеды и коляски. Хорошие соседи.,Два лифта пассажирский и грузовой.,Отлично развита инфраструктура. ,Во дворе - детский сад, еще один в соседнем дворе. В соседних дворах две школы. ,В шаговой доступности филиал детской поликлиники, где есть педиатры и процедурный кабинет. На участке хороший доктор и медсестра.,Рядом с домом автобусная остановка (автобусы и маршрутки как по Колпино, так и до метро) и большой ТЦ с кинотеатром продуктовым гипермаркетом и различными магазинами.,За ТЦ вдоль ж/дороги пешеходная асфальтированная дорожка, где можно погулять или покататься на велосипедах.,В километре от дома ж/д станция, до Московского вокзала 30 минут на электричке, до метро Обухово 15 мин,2 взрослых собственника (более 5 лет в собственности).,Прямая продажа. Никто не прописан. Готовы к сделке.,Показы по договоренности.КвартираВторичная21151.68.530.15800000.0Панель3,8Колпинский> 50003,73,53,03,84,13,84,53,13,42,314Лен. область0563016222
6Организуем показы объектов в любом формате (онлайн и оффлайн). Расскажем об особенностях объекта, локации, сделаем подробный анализ выбранных вариантов.,1. Верхний этаж,2. Классическая планировка,3. Изолированные комнаты,4. Комнаты квадратной формы,5. Кухня квадратной формы,6. Есть балкон,\tЕжемесячный (аннуитетный) платеж по ипотеке составит 31 988 рублей.,Поможем выгодно приобрести квартиру и одобрить ипотеку с минимальной ставкой. Бесплатная экспертная помощь на каждом этапе покупки.КвартираНовостройка12431.0NaNNaN5047519.0Кирпич3,8Приморский3000 - 40003,13,53,33,83,93,84,52,93,72,724Комендантский проспект51306824128
7Семейная ипотека 4%, льготная ипотека от 5.75% на весь срок. Первый взнос от 10%.Экономия на переплате по ипотеке до 2 млн.!,Записывайтесь на просмотр!,Эксклюзивная планировка. Большая кухня-гостиная 25 кв.м — это место для встреч с семьей, где можно отмечать праздники, и в конце вечера расположить гостей.,Уникальность проекта:,— Никаких радиаторов,теплая квартира в каждом ее уголке,— 4-этажный жилой комплекс с уютным зеленым двором,— Кирпично-монолитные дома с мансардами и лифтами,— Высота потолков до 3,8 м,— Просторные остекленные лоджии и балконы,— Возможность объединения кухни и гостиной,— Автономные газовые котельные,— Система отопления «теплый водяной пол»,Звоните и бронируйте по самым минимальным ценам. Помощь с одобрением ипотеки от экспертов ведущего банка.,Мы с вами в постоянном контакте до получения ключей, а так же содействуем с приемкой, обустройством квартиры, и оказываем юридическую помощь — бесплатно.СтудияНовостройка1339.2NaN39.24813280.0Монолит3,2Пушкинский> 50002,43,12,63,42,32,14,62,43,32,64Лен. область1482716232
8ID - 11849КвартираНовостройка1529.9NaNNaN4088952.0Панель3,8Колпинский> 50003,73,53,03,84,13,84,53,13,42,35Лен. область0563016222
9Выборгский район, станция метро "Пионерская" 1.5 км, станция метро "Удельная" 1.7 км., станция метро "Черная речка" 2.2 км., ул. Зеленогорская дом 7.,Переуступка.,Просторная 2-х комнатная квартира на 5-ом этаже 25-ти этажного сданного кирпично-монолитного дома "ЖК Светлана" от застройщика " Невский Луч".,Общая площадь квартиры 82.9 кв.м., с раздельными большими комнатами (19.6 кв.м + 29.1 кв.м.), кухней 12 кв.м. с выходом на застекленную лоджию 2.35 кв.м , раздельными санузлами и большим коридором 14.5 кв.м.,Квартира с черновой отделкой!,Дом расположен в очень зеленом районе с развитой инфраструктурой. В шаговой доступности парк "Сосновка" , " Удельный парк"., много школ , детских садов, поликлиники, ТРЦ и супермаркеты.,Квартира продается по переуступке. Ключи до июня! Показы по договоренности.,Номер объекта: #2/752593/1176КвартираВторичная2582.912.048.09200000.0Монолит3,9Приморский1000 - 20004,03,13,23,84,03,23,83,33,92,925Пионерская51306824128

Last rows

descriptionflat_typeobject_typeroomsfloorssquarekitchen_squarelive_squarepricebuild_matirealdistrict_ratingdistrictundergroundeco_ratingclear_ratinggkh_ratingneighbor_ratingkids_ratingsport_rest_ratingshop_ratingtraffic_ratingsecure_ratinglife_price_ratingtotal_floorsmetro_stationnum_of_metro_stationsnum_of_kindgnum_of_schoolsnum_of_polynum_of_hospitalsnum_of_dentistsnum_of_women_cons
134819Продается 2-комнатная квартира площадью 68.07 кв. метров ,на 16 этаже ,17 этажного ,монолитного дома ,комфорт-класса в ЖК Полюстрово. ,Оптимальная планировка: Просторная кухня (10.13 кв.м), две комнаты (17.14 и 15.42 кв.м) и кладовка в комнате и кладовка в коридоре. ,Также в квартире есть лоджия. ,Окна квартиры выходят на запад.,Жилой комплекс находится на северо-востоке Санкт-Петербурга и в 18 минутах на транспорте от станции метро «Площадь Ленина». ,В проекте 1 жилой корпус высотой 17 этажей. ,Из плюсов ЖК можно отметить: закрытую территорию, видеонаблюдение и крытый паркинг на 373 машин. ,Первые этажи корпусов займут кафе, магазины, пекарни и другие предприятия торговли и услуг.,Закрытый паркинг. Площадки для детских и спортивных игр.,🎁💥📣 В ЭТОМ МЕСЯЦЕ ДЕЙСТВУЮТ ОТЛИЧНЫЕ СКИДКИ И АКЦИИ:🎁💥🤫 ⌛ 💸в ипотеку от 66 840 ₽ в месяц при первом взносе 20% и 🔥МАТКАПИТАЛ📣.,В ЖК Полюстрово в продаже 50 2-комнатных квартир стоимостью от 9.4 до 13.2 млн. рублей. ,Звоните, подберем подходящий вам вариант. Номер лота - living-197394КвартираНовостройка21668.1NaNNaN12374063.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,517Площадь Ленина51136124334
134820Организуем показы объектов в любом формате (онлайн и оффлайн). Расскажем об особенностях объекта, локации, сделаем подробный анализ выбранных вариантов.,1. Классическая планировка,2. Изолированные комнаты,3. Кухня квадратной формы,4. Есть лоджия,5. Гардеробная в коридоре,6. Несколько окон на кухне,\tЕжемесячный (аннуитетный) платеж по ипотеке составит 68 360 рублей.,Поможем выгодно приобрести квартиру и одобрить ипотеку с минимальной ставкой. Бесплатная экспертная помощь на каждом этапе покупки.КвартираНовостройка2460.8NaNNaN10786774.0Монолит3,7Выборгский1000 - 20003,43,22,93,73,83,54,33,23,42,513Лесная61367327745
134821Организуем показы объектов в любом формате (онлайн и оффлайн). Расскажем об особенностях объекта, локации, сделаем подробный анализ выбранных вариантов.,1. Классическая планировка,2. Изолированные комнаты,3. Комнаты квадратной формы,4. Кухня квадратной формы,5. Есть лоджия,6. Гардеробная в коридоре,\tЕжемесячный (аннуитетный) платеж по ипотеке составит 48 995 рублей.,Поможем выгодно приобрести квартиру и одобрить ипотеку с минимальной ставкой. Бесплатная экспертная помощь на каждом этапе покупки.КвартираНовостройка1336.5NaNNaN7731074.0Кирпич3,7Адмиралтейский0 - 10003,43,22,93,73,83,54,33,23,42,518Балтийская9734612654
134822id 929202. Новый жилой комплекс бизнес класса в самом центре Петербурга, на правом берегу Невы. Проект отличает оригинальное решение по планировке земельного участка: секции асимметрично расположены на территории жилого комплекса и окружены оазисами зелени. Вентилируемые фасады домов облицованы керамогранитом песочного цвета и клинкерным кирпичом темно-терракотового и графитового цвета. В корпусах установлена мультисервисная сеть, которая объединяет видеонаблюдение, систему контроля и учета ресурсов. Интерьеры входных групп и мест общего пользования выполнены по индивидуальному дизайн проекту. В лифтовом холле и на первом этаже установлены диджитал-экраны с системой информирования о событиях и новостях управляющей компании. В квартирах предусмотрены места для кондиционеров, а в квартирах размера L и XL дополнительно предусмотрена возможность устройства приточно-вытяжной установки. В помещениях предусмотрена IP-домофония, которая также позволяет связаться с диспетчерской и управляющей компанией. ...КвартираНовостройка1443.120.411.013870000.0Монолит3,8Красногвардейский0 - 10003,33,33,14,33,92,94,03,33,92,49Новочеркасская2885416224
134823Студия расположена в Центральном районе города на Синопской набережной, в пешей доступности ст.Метро пл. Александра Невского -800 метров.,Развитая транспортная доступность: остановки общественного транспорта , позволяющие добраться в любую точку города.,Развитая инфраструктура района: магазины, рестораны, памятники, музеи и театры.,Студия находится на 1 высоком этаже, окна выходят в тихий чистый двор с местами для парковки.,Есть студия с отдельным входом и так же студии с двумя окнами. Студии одноярусные.,Студии с чистовой отделкой (натяжные потолки, новые стеклопакеты, новая входная дверь, новая электропроводка с розетками и выключателями, новые биметаллические радиаторы и новая сантехника, санузел в кафеле.,Индивидуальные приборы учёта.СтудияВторичная1119.12.016.03150000.0Кирпич3,4Центральный0 - 10002,32,92,23,63,52,84,23,33,42,23Площадь А. Невского111055211743
134824Предлогается к продаже просторная квартира на 4 этаже 14эт. Прямая продажа . Дом начал эксплуатироваться с 2014 года. В новом кирпичном доме общ. площадью 65 кв. м. Квартира состоит из двух изолированных комнат 16 и 20 кв. м. , кухни 11.5 м. Квадратной формы, ванной и туалетной комнат, а также прихожей и корридора, выход на лоджию из кухни. Тройные стеклопакеты . Дом расположен на Белградской ул. У яблоневого сада. пешей (15мин.) от метро Международная. В доме имеются две охроняемых парковки, очень надежная Система безопасности, видеонабл. Красивые уютные парадные. Квартира продаётся после проведённого качественного ремонта от собственн. Межкомнатные двери куплены. Возможна ипотека, рассматр. Субсидии и мат капитал. Без торга!КвартираВторичная2465.011.536.012000000.0Кирпич3,8Фрунзенский1000 - 20003,83,33,23,34,23,64,33,33,12,414Международная7925119122
134825Организуем показы объектов в любом формате (онлайн и оффлайн). Расскажем об особенностях объекта, локации, сделаем подробный анализ выбранных вариантов.,1. Классическая планировка,2. Изолированные комнаты,3. Кухня квадратной формы,4. Есть лоджия,5. Чистовая отделка,\tЕжемесячный (аннуитетный) платеж по ипотеке составит 25 700 рублей.,Поможем выгодно приобрести квартиру и одобрить ипотеку с минимальной ставкой. Бесплатная экспертная помощь на каждом этапе покупки.КвартираНовостройка1233.7NaNNaN4055328.0Кирпич3,2Невский2000 - 30002,82,62,33,23,92,43,52,62,91,824Пролетарская71325823136
134826Апартаменты бизнес и премиум-класса в стиле лофт. Потолки высотой от 3,15 м до 3,75 м, панорамные энергосберегающие окна с видом на Малую Неву, Финский залив и город. Эксклюзивные дизайн-проекты чистовой отделки могут быть выполнены в английском или скандинавском стиле лофт. Усиленная звукоизоляция фасада и межкомнатных перегородок, приточно-вытяжная система вентиляции, VRV-кондиционирование. Комфортабельная зона лобби, охраняемый двор, подземный паркинг.,При покупке до 30 июня действуют скидки от 500 000 до 1 000 000 ₽ на апартаменты с 1,2 и 3 спальнями.КвартираНовостройка1957.6NaNNaN10388901.0Кирпич3,7Ваcилеостровский1000 - 20003,43,22,93,73,83,54,33,23,42,511Приморская364429641
134827Вашему вниманию предлагается эксклюзивная квартира с изысканным дизайнерским ремонтом, высококачественной мебелью и техникой в престижном экологически чистом Курортном районе Санкт-Петербурга. Квартира не требует абсолютно никаких вложений. Ручная лепнина, тщательно подобранные материалы, мебель, элементы декора, выполненные под индивидуальный заказ. Максимально комфортная, зарегистрированная планировка.,Дом построен из экологически чистых материалов по австрийской технологии ``Velox``, которая гарантирует повышенную пожарную безопасность, комфортную температуру в помещении как зимой, так и летом. Автономное отопление и горячая вода. Приятные коммунальные платежи.,Благоустроенная территория просторного двора с видеонаблюдением обеспечит вашу безопасность, детская площадка, подземный паркинг.,Имеется необходимая инфраструктура: детский сад, продуктовые магазины, кафе с доставкой, пекарни, аптека, салоны красоты, цветов, медицинский центр.,Окна гостиной и спальни выходят на уникальный Юнтоловский заказник, Сестрорецкий разлив с обустроенным пляжем в пяти минутах ходьбы, аллея для прогулок, велосипедных поездок.,Удобный выезд на КАД, выезд на ЗСД, на Приморское шоссе дают возможность быстро добраться в любую часть города, маршрутное такси 305 следует до станции метро Беговая 20 мин., до станции Старая деревня - 30 мин., маршрутное такси 302А до городской больницы №40.,Квартира для настоящих ценителей загородной жизни с городским комфортом.КвартираВторичная2365.210.039.015990000.0Монолит3,7Санкт-Петербург> 50003,43,22,93,73,83,54,33,23,42,54Лен. областьЛен. областьЛен. областьЛен. областьЛен. областьЛен. областьЛен. областьЛен. область
134828Продам студию ,это комната 22 метра в трех комнатной квартире,переделана в студию ,установлен второй ярус ,спальное место ,кухня ,душевой уголок ,проведена вода и электро водогрей ,электро плита ,слив ещё не провели ,пользуемся биотулетом ,в комнате произведен дорогой евро ремонт ,делали для себя ,подходит под ипотеку ,показ в любое время ,мебель по согласованию .метро Петроградская пешком 10 мин ,и м.ЧкаловскаяСтудияВторичная1322.0NaNNaN3700000.0Кирпич3,7Петроградский0 - 10003,43,22,93,73,83,54,33,23,42,56Чкаловская665319243

Duplicate rows

Most frequent

descriptionflat_typeobject_typeroomsfloorssquarekitchen_squarelive_squarepricebuild_matirealdistrict_ratingdistrictundergroundeco_ratingclear_ratinggkh_ratingneighbor_ratingkids_ratingsport_rest_ratingshop_ratingtraffic_ratingsecure_ratinglife_price_ratingtotal_floorsmetro_stationnum_of_metro_stationsnum_of_kindgnum_of_schoolsnum_of_polynum_of_hospitalsnum_of_dentistsnum_of_women_conscount
726В продаже студия с отделкой в новом доме жилого комплекса "Морская миля". Квартира в корпусе "дом 3" на 2 этаже, общая площадь студии 22.52 м.кв., кухня 5.37 м.кв. Жилой комплекс "Морская миля" располагается по адресу ул. Маршала Казакова, 21 (Красносельский район г. Санкт-Петербург), рядом станция метро Автово. Срок сдачи новостройки - 2024. Стоимость квартиры - 4 672 900 рублей.СтудияНовостройка1222.55.410.24672900.0Монолит3,7Кировский2000 - 30003,43,63,23,43,73,44,12,63,52,825Автово59758161639
878В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 21" на 15 этаже, общая площадь студии 20.6 м.кв., кухня 5.2 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2023. Стоимость квартиры - 3 048 800 рублей.СтудияНовостройка11520.65.210.23048800.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,522Гражданский проспект511361243349
881В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 21" на 18 этаже, общая площадь студии 20.6 м.кв., кухня 5.2 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2023. Стоимость квартиры - 3 038 500 рублей.СтудияНовостройка11820.65.210.23038500.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,522Гражданский проспект511361243349
884В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 21" на 2 этаже, общая площадь студии 20.9 м.кв., кухня 5.2 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2023. Стоимость квартиры - 2 988 700 рублей.СтудияНовостройка1220.95.210.02988700.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,522Гражданский проспект511361243349
890В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 21" на 3 этаже, общая площадь студии 20.3 м.кв., кухня 5.2 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2023. Стоимость квартиры - 2 923 200 рублей.СтудияНовостройка1320.35.210.02923200.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,522Гражданский проспект511361243349
892В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 21" на 6 этаже, общая площадь студии 20.6 м.кв., кухня 5.2 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2023. Стоимость квартиры - 3 048 800 рублей.СтудияНовостройка1620.65.210.23048800.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,522Гражданский проспект511361243349
895В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 21" на 9 этаже, общая площадь студии 20.6 м.кв., кухня 5.2 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2023. Стоимость квартиры - 3 048 800 рублей.СтудияНовостройка1920.65.210.23048800.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,522Гражданский проспект511361243349
740В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 10" на 11 этаже, общая площадь студии 20.83 м.кв., кухня 5 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2022. Стоимость квартиры - 3 051 595 рублей.СтудияНовостройка11120.85.09.83051595.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,517Гражданский проспект511361243348
743В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 10" на 13 этаже, общая площадь студии 20.83 м.кв., кухня 5 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2022. Стоимость квартиры - 3 051 595 рублей.СтудияНовостройка11320.85.09.83051595.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,517Гражданский проспект511361243348
754В продаже студия с отделкой в новом доме жилого комплекса "Цветной город, квартал 19". Квартира в корпусе "дом 10" на 2 этаже, общая площадь студии 20.83 м.кв., кухня 5 м.кв. Жилой комплекс "Цветной город, квартал 19" располагается по адресу Муринская дорога/Пискаревский пр. (Красногвардейский район г. Санкт-Петербург), рядом станция метро Академическая. Срок сдачи новостройки - 2022. Стоимость квартиры - 3 030 765 рублей.СтудияНовостройка1220.85.09.83030765.0Монолит3,7Калининский3000 - 40003,43,22,93,73,83,54,33,23,42,517Гражданский проспект511361243348